Sensitivity and specificity of pulse detection using a new deconvolution method
Notice bibliographique
Résumé
Quantifying pulsatile secretion from serial hormone concentration measurements (deconvolution analysis) requires automated, objective, and accurate detection of pulse times to ensure valid estimation of secretion and elimination parameters. Lack of validated pulse identification constitutes a major deficiency in the deconvolution field, because individual pulse size and number reflect regulated processes that are critical for the function and response of secretory glands. To evaluate deconvolution pulse detection accuracy, four empirical models of true-positive markers of pituitary (LH) pulses were used. 1) Sprague-Dawley rats had recordings of hypothalamic arcuate nucleus multiunit electrical activity, 2) ovariectomized ewes underwent sampling of hypothalamo-pituitary gonadotropin-releasing hormone (GnRH pulses), 3) healthy young men were infused with trains of biosynthetic LH pulses after GnRH receptor blockade, and 4) computer simulations of pulsatile LH profiles were constructed. Outcomes comprised sensitivity, specificity, and receiver-operating characteristic curves. Sensitivity and specificity were 0.93 and 0.97, respectively, for combined empirical data in the rat, sheep, and human (n = 156 pulses) and 0.94 and 0.92, respectively, for computer simulations (n = 1,632 pulses). For simulated data, pulse-set selection by the Akaike information criterion yielded slightly higher sensitivity than by the Bayesian information criterion, and the reverse was true for specificity. False-positive errors occurred primarily at low-pulse amplitude, and false-negative errors occurred principally with close pulse proximity. Random variability (noise), sparse sampling, and rapid pulse frequency reduced pulse detection sensitivity more than specificity. We conclude that an objective automated pulse detection deconvolution procedure has high sensitivity and specificity, thus offering a platform for quantitative neuroendocrine analyses.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».