인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Predicting the therapeutic response to biologics before administration is a key clinical challenge in ulcerative colitis (UC). We previously reported a model for predicting the efficacy of vedolizumab (VDZ) for UC using a machine-learning approach. Ustekinumab (UST) is now available for treating UC, but no model for predicting its efficacy has been developed. When applied to patients with UC treated with UST, our VDZ prediction model showed positive predictive value (PPV) of 56.3% and negative predictive value (NPV) of 62.5%. Given this limited predictive ability, we aimed to develop a UST-specific prediction model with clinical features at baseline including background factors, clinical and endoscopic activity, and blood test results, as we did for the VDZ prediction model. The top 10 features (Alb, monocytes, height, MCV, TP, Lichtiger index, white blood cell count, MCHC, partial Mayo score, and CRP) associated with steroid-free clinical remission at 6 months after starting UST were selected using random forest. The predictive ability of a model using these predictors was evaluated by fivefold cross-validation. Validation of the prediction model with an external cohort showed PPV of 68.8% and NPV of 71.4%. Our study suggested the importance of establishing a drug-specific prediction model.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
