ترجمه فارسی مقاله یادگیری ماشینی الگوهای پاسخ درمانی پنهان را تنها در حضور فنوتیپ بالینی جامع تشخیص می دهد

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Machine learning detects hidden treatment response patterns only in the presence of comprehensive clinical phenotyping
عنوان مقاله به فارسی یادگیری ماشینی الگوهای پاسخ درمانی پنهان را تنها در حضور فنوتیپ بالینی جامع تشخیص می دهد
نویسندگان ProfileStephen D. Auger, ProfileGregory Scott
فرمت مقاله انگلیسی PDF
تعداد صفحات 25
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Health Informatics انفورماتیک سلامتی

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Inferential statistics traditionally used in clinical trials can miss relationships between clinical phenotypes and treatment responses. We simulated a randomised clinical trial to explore how gradient boosting (XGBoost) machine learning (ML) compares with traditional analysis when ‘ground truth’ treatment responsiveness depends on the interaction of multiple phenotypic variables. As expected, traditional analysis detected a significant treatment benefit (outcome measure change from baseline = 4.23; 95% CI 3.64–4.82). However, recommending treatment based upon this evidence would lead to 56.3% of patients failing to respond. In contrast, ML correctly predicted treatment response in 97.8% (95% CI 96.6–99.1) of patients, with model interrogation showing the critical phenotypic variables and the values determining treatment response had been identified. Importantly, when a single variable was omitted, accuracy dropped to 69.4% (95% CI 65.3–73.4). ML has the potential to maximise the value of clinical research studies but requires phenotypes to be comprehensively captured.

چکیده به فارسی (ترجمه ماشینی)

آمار استنباطی که به طور سنتی در کارآزمایی های بالینی مورد استفاده قرار می گیرد می تواند روابط بین فنوتیپ های بالینی و پاسخ های درمانی را از دست بدهد.ما یک کارآزمایی بالینی تصادفی را شبیه سازی کردیم تا بررسی کنیم که چگونه یادگیری ماشین افزایش شیب (XGBoost) (ML) با تجزیه و تحلیل سنتی مقایسه می شود وقتی پاسخ درمانی "حقیقت زمین" به تعامل متغیرهای فنوتیپی چندگانه بستگی دارد.همانطور که انتظار می رود ، تجزیه و تحلیل سنتی یک مزیت درمانی قابل توجه را تشخیص داد (تغییر اندازه گیری نتیجه از پایه = 4.23 ؛ 95 ٪ CI 3.64-4.82).با این حال ، توصیه به درمان بر اساس این شواهد منجر به 56.3 ٪ از بیماران نمی شود که پاسخ دهند.در مقابل ، ML به درستی پاسخ درمانی را در 8 /97 ٪ (95 ٪ CI 96.6-99.1) از بیماران پیش بینی کرد ، با بازجویی مدل که نشان دهنده متغیرهای فنوتیپی بحرانی و مقادیر تعیین کننده پاسخ درمانی بود.نکته مهم ، هنگامی که یک متغیر واحد حذف شد ، دقت به 69.4 ٪ کاهش یافت (95 ٪ CI 65.3-73.4).ML این پتانسیل را دارد که ارزش مطالعات تحقیقات بالینی را به حداکثر برساند اما نیاز به فنوتیپ ها دارد تا به طور جامع اسیر شوند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.