Many clinical studies contain strok

Many clinical studies contain strokes of unknown type. Two statistical learning methods, lasso logistic regression and random forest, plus multiple imputation were applied to the Systolic Hypertension in the Elderly Program (SHEP) dataset to classify strokes of unknown type using patient characteristics. Impact of the newly classified strokes on ischemic and hemorrhagic stroke risk ratios (RR) in the active versus placebo groups was determined.

Study design: SHEP was a randomized trial with 4736 participants aged 60 years or older with isolated systolic hypertension who were randomly assigned to receive antihypertensive treatment or placebo. Mean follow-up was 4.5 years. A total of 262 incident strokes occurred (217 ischemic, 28 hemorrhagic and 17 unknown). The adjusted RR of ischemic stroke in the active group versus placebo was 0.63, 95% confidence interval (CI) [0.48–0.82] and for hemorrhagic stroke was 0.46, 95% CI [0.21–1.02].

Methods: Patient characteristics were compared between known and unknown strokes, and between stroke types. The known strokes were split into training and test sets for purposes of model building and determining prediction accuracy. Univariate logistic regression, lasso logistic regression and random forests were performed on the training set. Prediction accuracy was gauged using ROC curves on the test set. Multiple imputation was employed to account for prediction uncertainty. Univariate and multivariate Cox regressions were performed on the imputed datasets.

Results: The lasso method performed slightly better [AUC = 0.61, 95% CI (0.36–0.86)] than the random forest method [AUC = 0.603, 95% CI (0.35–0.85)] and was chosen to classify the unknown strokes. The posterior probabilities were used to impute 20 complete data sets. Application of Rubin’s formula to univariate and multivariate Cox regression models from the imputed data sets gave similar RRs to the original results for hemorrhagic and ischemic stroke with slightly wider 95% CI’s. Conclusions: Neither lasso nor random forest performed very well in classifying the 17 unknown strokes in SHEP, likely due to small sample size. Statistical learning combined with multiple imputation is a potentially valuable tool in classifying stroke type in clinical studies with large sample size

ผลลัพธ์ (ไทย) 1:

การศึกษาทางคลินิกจำนวนมากประกอบด้วยจังหวะของชนิดที่ไม่รู้จัก สองสถิติการเรียนรู้วิธี พานถดถอยโลจิสติกและป่าสุ่ม บวกหลาย imputation ใช้ดันโลหิต Systolic สูงในชุดข้อมูลโปรแกรมผู้สูงอายุ (SHEP) การจัดจังหวะของที่ไม่รู้จักชนิดโดยใช้ลักษณะของผู้ป่วย พิจารณาผลกระทบของจังหวะประเภทใหม่ในอัตราความเสี่ยงของโรคหลอดเลือดสมองขาดเลือด และเลือดออก (RR) ในการใช้งานเมื่อเทียบกับกลุ่มยาหลอกศึกษาการออกแบบ: SHEP คือ การทดลองแบบสุ่ม 4736 คนอายุ 60 ปี หรือกำหนดเก่ากับ isolated systolic ความดันโลหิตสูงที่ได้รับการรักษาลดความดันโลหิตหรือยาหลอก หมายถึงการติดตามผลเป็น 4.5 ปี รวม 262 จังหวะที่เหตุการณ์เกิดขึ้น (217 28 ขาดเลือด เลือดออกและไม่รู้จักที่ 17) RR ปรับปรุงขาดเลือดโรคหลอดเลือดสมองในกลุ่มใช้งานอยู่เมื่อเทียบกับยาหลอกคือ 0.63 ช่วงความเชื่อมั่น 95% (CI) [0.48 – 0.82] และสำหรับเส้นเลือดออก 0.46, 95% CI [0.21 – 1.02]วิธีการ: ลักษณะของผู้ป่วยได้เปรียบเทียบ ระหว่างจังหวะรู้จัก และไม่รู้จัก และ ระหว่างจังหวะชนิด จังหวะรู้จักถูกแบ่งเป็นชุดการฝึกอบรมและทดสอบวัตถุประสงค์ของรูปแบบอาคาร และการกำหนดความแม่นยำของการคาดเดา ถดถอยโลจิสติกไร Univariate การถดถอยโลจิสติกแบบ lasso และสุ่มป่าได้ดำเนินการในการฝึกอบรมชุด ความแม่นยำในการคาดเดาถูกได้วัดผลกันใช้เส้นโค้ง ROC บนชุดทดสอบ หลาย imputation ถูกจ้างบัญชีสำหรับความไม่แน่นอนของการคาดเดา ไร Univariate และตัวแปรพหุค็อกซ์แสดงได้ดำเนินการใน datasets ควาบผลลัพธ์: แบบ lasso วิธีดำเนินการดีขึ้นเล็กน้อย [AUC = 0.61, 95% CI (0.36 – 0.86)] กว่าวิธีสุ่มป่า [AUC = 0.603, 95% CI (0.35 – 0.85)] และเลือกจัดประเภทจังหวะไม่ทราบ น่าจะหลังใช้ impute 20 ชุดข้อมูลที่สมบูรณ์ ประยุกต์สูตรของ Rubin ไร univariate และรูปแบบการถดถอยของ Cox แบบหลายตัวแปรจากชุดข้อมูลควาบให้คล้าย RRs ผลลัพธ์ของเดิมขาดเลือดตีบ และเลือดออกเล็กน้อยกว้าง 95% CI สรุป: ไม่แลซโซหรือป่าสุ่มทำดีในประเภทจังหวะรู้จัก 17 ใน SHEP อาจเนื่องจากขนาดตัวอย่างขนาดเล็ก การเรียนรู้ทางสถิติกับ imputation หลายเป็นเครื่องมืออาจมีคุณค่าในประเภทโรคหลอดเลือดสมองชนิดในการศึกษาทางคลินิกด้วยขนาดตัวอย่างใหญ่

ผลลัพธ์ (ไทย) 2:

การศึกษาทางคลินิกมีหลายจังหวะชนิดที่ไม่รู้จัก สองวิธีการเรียนรู้สถิติการถดถอยโลจิสติกเชือกและป่าไม้สุ่มบวกหลายใส่ร้ายถูกนำไปใช้กับ Systolic ความดันโลหิตสูงในโครงการผู้สูงอายุ (เชป) ชุดที่จะจัดจังหวะชนิดที่ไม่รู้จักใช้ลักษณะของผู้ป่วย ผลกระทบของจังหวะจัดขึ้นใหม่ในอัตราส่วนความเสี่ยงขาดเลือดและโรคหลอดเลือดสมอง (RR) ในการใช้งานเมื่อเทียบกับกลุ่มที่ได้รับยาหลอกถูกกำหนด.

รูปแบบการศึกษา: เชปเป็นแบบสุ่มทดลองกับผู้เข้าร่วม 4736 อายุ 60 ปีหรือมากกว่าที่มีความดันโลหิตสูง systolic บางแห่งที่ถูกสุ่มให้ได้ ได้รับการรักษาความดันโลหิตสูงหรือยาหลอก ติดตามเฉลี่ย 4.5 ปี รวมเป็น 262 จังหวะเหตุการณ์ที่เกิดขึ้น (217 ขาดเลือดโรค 28 และ 17 ไม่ทราบ) ระดับ RR ที่ปรับโรคหลอดเลือดสมองตีบในกลุ่มที่ใช้งานเมื่อเทียบกับยาหลอก 0.63 ช่วง 95% ความเชื่อมั่น (CI) [0.48-0.82] และจังหวะ hemorrhagic เป็น 0.46, 95% CI [0.21-1.02].

วิธีการ: ลักษณะของผู้ป่วยได้รับการเปรียบเทียบระหว่าง รู้จักและไม่รู้จักจังหวะและระหว่างชนิดโรคหลอดเลือดสมอง จังหวะที่รู้จักกันถูกแบ่งออกเป็นการฝึกอบรมและการทดสอบชุดสำหรับวัตถุประสงค์ของการสร้างแบบจำลองและการกำหนดความถูกต้องของการทำนาย ถดถอยโลจิสติ univariate ถดถอยโลจิสติกเชือกและป่าไม้ได้ดำเนินการสุ่มในชุดฝึกอบรม ถูกต้องทำนายได้รับการประเมินโดยใช้เส้นโค้ง ROC ในชุดทดสอบ ใส่ร้ายหลายถูกจ้างไปยังบัญชีสำหรับความไม่แน่นอนของการทำนาย univariate และหลายตัวแปรถดถอยค็อกซ์ได้รับการดำเนินการในชุดข้อมูลที่ประเมินไว้.

ผล: วิธีเชือกดำเนินการที่ดีกว่าเล็กน้อย [AUC = 0.61, 95% CI (0.36-0.86)] กว่าวิธีการสุ่มป่า [AUC = 0.603, 95% CI (0.35- 0.85)] และได้รับเลือกในการจำแนกจังหวะที่ไม่รู้จัก ความน่าจะเป็นหลังถูกนำมาใช้เพื่อใส่ร้าย 20 ชุดข้อมูลที่สมบูรณ์ การประยุกต์ใช้สูตรของรูบินกับรูปแบบการถดถอย univariate และหลายตัวแปรค็อกซ์จากชุดข้อมูลที่ประเมินไว้ให้ RRs คล้ายกับต้นฉบับสำหรับผลเลือดออกและโรคหลอดเลือดสมองตีบด้วยเล็กน้อยกว้าง 95% CI ของ สรุปผลการวิจัย: ป่าทั้งเชือกมิได้สุ่มดำเนินการเป็นอย่างดีในการจำแนก 17 จังหวะที่ไม่รู้จักในเชป, น่าจะเกิดจากขนาดของกลุ่มตัวอย่างขนาดเล็ก การเรียนรู้ทางสถิติรวมกับการใส่ร้ายหลายเป็นเครื่องมือที่มีคุณค่าที่อาจเกิดขึ้นในการจำแนกชนิดของโรคหลอดเลือดสมองในการศึกษาทางคลินิกที่มีขนาดของกลุ่มตัวอย่างที่มีขนาดใหญ่

ผลลัพธ์ (ไทย) 3:

การศึกษาทางคลินิกหลายประกอบด้วยจังหวะไม่ทราบชนิด 2 การเรียนรู้วิธีการทางสถิติบ่วงถดถอยโลจิสติกแบบป่า บวกหลายส่วนบุคคลเพื่อใช้ในโปรแกรมผู้สูงอายุ ความดันโลหิตสูง systolic ( เชฟ ) ข้อมูลเพื่อจำแนกชนิดโดยใช้ลักษณะที่จังหวะของผู้ป่วย ผลกระทบของการจัดจังหวะในผู้ป่วยโรคหลอดเลือดสมองตีบใหม่และอัตราส่วนความเสี่ยง ( RR ) ในการใช้งานเมื่อเทียบกับยาหลอกในกลุ่มถูกกำหนดไว้รูปแบบการศึกษา : เชพเป็นการวิจัยเชิงทดลองแบบมี 4736 ผู้ที่มีอายุ 60 ปีขึ้นไป กับแยก systolic ความดันโลหิตสูงที่ครั้งนี้มีวัตถุประสงค์ เพื่อรับการรักษาความดันโลหิตสูงหรือยาหลอก หมายถึงการติดตามคือ 4.5 ปี ทั้งหมด 262 เหตุการณ์ที่เกิดขึ้น ( แต่ลายเส้นเลือดตกเลือด , 28 และ 17 ไม่ทราบ ) ปรับ RR ของโรคหลอดเลือดสมองตีบในกลุ่มใช้เมื่อเทียบกับยาหลอก คือ 0.63 , ช่วงความเชื่อมั่น 95% ( CI ) [ 3 ] และ 0.48 และผู้ป่วยโรคหลอดเลือดสมองเป็น 0.46 , 95% CI [ 0.21 – 1.02 ]วิธีการ : ลักษณะเปรียบเทียบระหว่างผู้ป่วยที่รู้จักและไม่รู้จัก ลายเส้น และ ระหว่างรูปแบบจังหวะ รู้จักจังหวะแบ่งออกเป็นการฝึกอบรมและชุดทดสอบสำหรับวัตถุประสงค์ของรูปแบบอาคาร และการตรวจสอบความถูกต้องพยากรณ์ univariate logistic regression บ่วงถดถอยโลจิสติก , แบบป่าจำนวนการตั้งค่า ความถูกต้องของการทำนายถูกจำกัดโดยใช้เส้นโค้ง ROC ในการทดสอบชุด การใช้บัญชีหลายตำหนิความไม่แน่นอนพยากรณ์ และสมการถดถอยหลายตัวแปรทั้งสอง Cox จำนวนใดๆในชุดข้อมูลผลลัพธ์ : บ่วงบาศวิธีปฏิบัติดีขึ้นเล็กน้อย [ ยา = 0.61 , 95% CI ( 0.36 ( 0.86 ) กว่าสุ่มวิธีป่า [ = ค่าความเข้มข้น , 95% CI ( 0.35 – 0.85 ) ] และเลือกที่จะแยกประเภทลายเส้นที่ไม่รู้จัก น่าจะเป็นด้านหลังถูกใส่ความ 20 ข้อมูลเสร็จสมบูรณ์ชุด การใช้สูตรการรักษาของ Rubin และค็อกซ์ถดถอยหลายตัวแปรแบบจากชุดข้อมูลใดๆให้ rrs คล้ายกับผลลัพธ์เดิม สำหรับผู้ป่วยโรคหลอดเลือดสมองตีบกว้างขึ้นเล็กน้อยและมี 95% CI . ข้อสรุป และเชือกหรือสุ่มป่าแสดงได้ดีมากเมื่อ 17 ไม่รู้จักจังหวะในเชพ น่าจะเกิดจากกลุ่มตัวอย่างขนาดเล็ก สถิติเรียนรวมกับหลายส่วนบุคคลเป็นเครื่องมือที่มีคุณค่าที่อาจเกิดขึ้นเมื่อจังหวะชนิดในการศึกษาทางคลินิกที่มีขนาดตัวอย่างใหญ่