Validation Cohort
검증 코호트

방사선학적(R), DCNN 및 결합된 노모그램은 각각 임상방사선학적 요인, DCNN 확률 및 모든 요인에 기초하여 훈련 코호트(n = 892)에서 구성되었습니다. 각 모델의 성능은 검증 코호트(n = 244)에서 확인되었습니다.

방법 이 연구는 훈련 코호트(n  = 431)와 검증 코호트(n  = 216)로 무작위로 나누어진 647명의 연속 AIS 환자를 등록했습니다.

비침습적 알고리즘은 훈련 코호트에서 상당한 섬유증을 진단하기 위해 다변량 로지스틱 회귀, ROC(수신자 작동 특성) 곡선 및 결정 곡선 분석(DCA)을 사용하여 개발되었으며 알고리즘은 이후 검증 코호트에서 검증되었습니다.

우리는 수신기 작동 특성 곡선(AUC-ROC) 아래 영역을 사용하여 검증 코호트에서 최상의 모델을 선택하고 정확도를 확인합니다.

전체 분석된 모집단(n = 94)을 파생 코호트(n = 41) 및 검증 코호트(n = 53)의 두 그룹으로 나누었습니다.

측정 및 주요 결과 임상 데이터를 파생 코호트(n=43,799)와 검증 코호트(n=14,600)의 두 그룹으로 나누었습니다.

행동 양식 이 후향적 연구에는 수술 후 식도 편평 세포 암종(ESCC)이 있는 77명의 환자로부터 129개의 LN(훈련 코호트: 59명의 환자에서 102개의 LN, 검증 코호트: 18명의 환자에서 27개의 LN)이 포함되었습니다.

재료 및 방법 이 후향적 연구에는 200명의 환자 훈련 코호트, 40명의 내부 검증 코호트 및 60명의 환자의 외부 검증 코호트가 포함되었습니다.

163명의 환자의 1차 코호트(훈련 코호트, 113, 내부 검증 코호트, 50)와 임상 단계 cT1N0M0을 가진 53명의 외부 검증 코호트가 후향적으로 포함되었습니다.

우리는 94명의 환자(훈련 코호트 n=62, 검증 코호트 n=32)의 SpiroNose 호기 데이터를 분석했습니다.

훈련 코호트에서 최소 절대 수축 및 선택 연산자(LASSO) Cox 회귀를 사용하여 라디오믹스 서명을 구성하고 검증 코호트에서 검증했습니다.

예후를 위한 새로운 10-MRG 위험 모델은 단변량 Cox 회귀 분석과 최소 절대 수축 및 선택 연산자(Lasso) 회귀 분석에 의해 확립된 다음 내부 및 외부 검증 코호트 모두에서 검증되었습니다.

GEO 검증 코호트에서 고위험군에 비해 저위험군 환자에서 더 나은 OS가 관찰되었습니다.

고위험 점수를 가진 환자는 TCGA 구성 코호트와 GEO 검증 코호트 모두에서 저위험군보다 더 일찍 사망할 확률이 더 높았습니다(모두 P < 0.

검증 코호트에서 저위험, 중간 위험 및 고위험 그룹의 OS 시간 중앙값은 48이었습니다.

결과 초고위험군은 검증 코호트 1(위험비[HR] = 5)에서 극히 불량한 전체 생존(OS)과 관련이 있었습니다.

위험 예측 모델은 Oncotype DX 점수 > 25와 예후 검증 코호트 및 TCGA 코호트의 재발 생존을 예측했습니다.

파생된 위험 예측 모델을 외부 유효성 검사 코호트에 적용한 후 C-인덱스의 범위는 0입니다.

더 큰 집단(발견 집단, n = 655)이 모델을 구축하는 데 사용되었고 두 번째 집단(검증 집단, n = 225)이 모델의 예측을 테스트하는 데 적용되었습니다.

여기에서 우리는 초고성능 액체 크로마토그래피-탠덤 질량 분석법을 사용하여 두 개의 독립적인 수모세포종 환자 코호트(발견 코호트: n = 81, 검증 코호트: n = 171)에서 전역 5hmC 수준을 감지했습니다.

간접 효소 결합 면역흡착 분석법(ELISA)을 사용하여 1,054명의 참가자(검증 코호트에서 310명, 검증 코호트에서 744명)와 함께 두 개의 독립적인 데이터 세트에서 TAAb를 검증하고 검증했습니다.

검증 코호트(GC 사례 80건 및 HC 80건) 및 검증 코호트(GC 사례 192건, 양성 위 질환 사례 128건, HC 192건)에서 후보 TAAb의 역가를 확인하고 검증하기 위해 효소 결합 면역흡착 분석(ELISA)이 사용되었습니다. , 각각.

또한, 생물 정보학 분석을 통해 eDEG에서 선택된 36개의 유전자가 정량적 실시간 PCR을 통해 마우스 검증 코호트에서 확인되었습니다.

우리의 검증 코호트는 정량적 실시간 중합 효소 연쇄 반응을 사용하여 결정된 162 쌍의 HNSCC 및 인접한 정상 조직에서의 FOXD1 mRNA 발현으로 구성되었습니다.

이 시리즈는 무작위로 훈련 코호트(70%)와 내부 검증 코호트(30%)로 나뉩니다.

방법 총 2,773명의 적격 환자를 훈련 코호트(70%)와 검증 코호트(30%)로 나누었습니다.

이 연구에서 우리는 431명의 DCIS 환자의 임상적 특성을 분석하고 21명의 환자 발견 코호트에서 전체 엑솜 시퀀싱 분석을 수행하고 72명의 환자 검증 코호트에서 표적 심층 시퀀싱 분석을 수행했습니다.

디자인, 설정 및 참가자 발견 코호트 및 2개의 독립적으로 확인된 검증 코호트를 사용한 2단계, 사례 대조군, 전체 엑솜 시퀀싱 연관 연구.

30명의 환자(파생 코호트)에서 관련 ACM의 존재에 대한 LA-EF 및 LAS 컷오프 값(3000 ± 1249개 부위에서 PVI 이전의 부비동 리듬의 고밀도 심내막 접촉 매핑)이 부비동 리듬에서 설정되었고 다음에서 테스트되었습니다. 검증 코호트(n = 30).

결과 전체적으로 489명의 환자(파생 코호트: 300, 검증 코호트: 189)가 분석되었습니다.

LASSO 회귀 분석을 사용하여 4 위험 그룹 모델을 구성했으며 새 모델은 The Fujimoto PTLD 점수(C-통계량: 0.0)와 비교할 때 유효성 검사 코호트에서 더 나은 식별을 보여주었습니다.

그러나 이러한 판별 감소는 중앙 모델 기반 c-통계량[0.

검증 코호트에 알고리즘을 적용한 결과 음성 예측값이 99로 나타났습니다.

결과: 정확도, AUC, 음성 예측값(NPV), 양성 예측값, 민감도 및 특이성을 가진 Youden 지수 기반 컷오프 포인트 예측 pCR을 사용하여 EXPRESSION 코호트에서 확립된 20개 유전자 분류기 0.

sub1의 환자는 훈련 및 검증 코호트에서 유리한 무진행 생존(PFS) 및 전체 생존(OS)을 보여주었습니다.

훈련 코호트와 검증 코호트 모두에서 높은 점수를 받은 환자에서 전체 생존 및 사건/무진행 생존 시간이 단축되었습니다.

방법 이 후향적 관찰 연구는 2개의 독립적인 건강 시스템에 걸쳐 전자 건강 기록에서 수집된 환자 데이터를 기반으로 수행되었습니다. 1은 파생 코호트에 사용되었고 다른 하나는 검증 코호트에 사용되었습니다.

이 후향적 관찰 연구는 개발 코호트의 경우 2017년 2월 2일부터 2017년 9월 사이, 검증 코호트의 경우 2018년 6월 ~ 2019년 2월 사이에 서울아산병원 응급실에서 수행되었습니다.

다변량 랜덤 포레스트 모델은 발견 코호트에서 IDH 및 PTPN11 돌연변이를 예측하는 데 탁월한 성능을 보여주었으며, 이는 외부 검증 코호트(수신자 특성 곡선[AUC] 0 아래 영역)에서 검증되었습니다.

8개의 최적 미생물 마커를 기반으로 한 분류기는 랜덤 포레스트 모델을 통해 구성되었으며 발견 및 검증 코호트 모두에서 우수한 진단 효능에 도달했습니다.

JM 90일 사망률 예측 성능은 검증 코호트에서 MELD(-Na)와 비교되었습니다.

세 그룹 도구는 구성 및 검증 코호트에서 별도의 Kaplan-Meier 생존 곡선과 사망률 HR이 있는 환자의 90일 사망률을 예측하는 데 유용했습니다.

연구 설계 및 설정 노르웨이 대학 병원의 3,651명의 환자(평균 연령: 83세)의 데이터를 후향적으로 획득하여 두 개의 코호트로 무작위로 나누었습니다. 두 모델의 예측 능력을 평가하기 위해 검증 코호트(n=1826).

결과 이 연구는 4,154명의 환자(평균 연령, 58세 ± 6[표준 편차], 3,777명의 남성, 1차 코호트, 3442명의 환자[평균 연령, 58세 ± 6, 3,129명의 남성], 712명의 환자[평균 연령, 58세]의 환자를 평가했습니다. 년 ± 7; 648명]).

행동 양식 다기관 데이터베이스에서 간세포암종에 대한 근치적 절제술을 받은 연속 환자를 등록하고 개발 및 검증 코호트로 나누었습니다.

방법 다기관 데이터베이스에서 간세포암종에 대한 근치적 절제술을 받은 연속 환자를 등록하고 개발 및 검증 코호트로 나누었습니다.

결론 이것은 HES의 IIM ICD 코드 조합이 높은 양성 예측 값과 최대 72의 민감도를 가지고 있음을 보여주는 첫 번째 검증 코호트입니다.

결과 독립적인 검증 코호트에서 우리 알고리즘은 71%의 민감도, 90%의 특이도, 56%의 양성 예측값, 95%의 음성 예측값을 보여 프로토타입 생존 예측 점수를 구성할 수 있었습니다.

재료 및 방법: 현재 연구는 중국 인구를 기반으로 한 단일 센터 연구였으며 2개의 코호트(훈련 코호트 및 검증 코호트)에서 수행되었습니다.

이 환자들은 훈련 코호트(n = 1046)와 검증 코호트(n = 448)의 두 코호트로 무작위로 나뉘었습니다.

외부 검증 세트(DEFUSE 3, n = 160)에 적용했을 때, 모델은 검증 코호트 환자의 78%에 대해 90일 mRS 점수를 1점 이내로 정확하게 예측했습니다.

이 모델은 훈련 코호트와 검증 코호트 모두에서 간암 환자의 예후를 정확하게 예측했습니다.

행동 양식 2017년 5월과 2019년 10월 사이에 후속 조직병리학적 분석을 통해 유방 US로 의뢰된 병원 #1(훈련 코호트)의 278명의 연속 환자 및 병원 #2(외부 검증 코호트)의 123건에 대한 데이터를 후향적으로 수집했습니다.

행동 양식 수술 전 NAC를 진행한 조직검사에서 확인된 국소 진행성 유방암(LABC) 환자는 병원 #1(훈련 코호트, 356건)과 병원 #2(독립 외부 검증 코호트, 236건)에서 등록되었습니다.

다변량 cox 비례 위험 회귀 모델은 선택된 기능을 사용하여 342명의 환자 훈련 코호트에서 훈련되었으며 예측 성능은 일치 지수(C-index)를 사용하여 147명의 환자 검증 코호트에서 검증되었습니다.

PRO-ACT 데이터베이스를 ALS Functional Rating Scale(ALSFRS)에서 정의된 연하곤란이 있는 개발 및 검증 코호트로 나눈 후, 다변수 Cox 비례 위험 회귀 모델은 3, 6, 12개월에 연하 곤란의 확률을 추정하고 다음 평가를 수행했습니다. 모델 식별 및 보정.

우리는 2020년 2월과 6월 사이에 3차 중환자실(ICU)에서 치료받은 COVID-19 관련 중증 ARDS 환자의 NK 세포 수와 KIR 유전자형의 결과 연관성을 후향적으로 분석하고 중등도 환자의 독립적인 검증 코호트에서 결과를 검증했습니다. COVID-19가 우리 3차 의료 센터에 입원했습니다.

COVID-19 디스커버리 코호트에서 파생된 SAMS 컷오프는 COVID-19 검증 코호트에서 중환자실(ICU) 상태, 기계 환기의 필요성 및 병원 내 사망률을 예측하는 데 사용되었습니다.

그런 다음, 우리는 두 개의 독립적인 CRC 코호트(테스트 코호트: n = 70, 검증 코호트: n = 58)에서 DSCR1 발현을 분석하고 Kaplan-Meier 생존 분석에 의해 전체 생존(OS)을 테스트했습니다.