An in silico framework for integrating epidemiologic and genetic evidence with health care applications: ventilation-related pneumothorax as a case illustration
Notice bibliographique
Résumé
OBJECTIVE: To illustrate an in silico integration of epidemiologic and genetic evidence that is being developed at the Center for Devices and Radiological Health/US Food and Drug Administration as part of regulatory research on postmarket device performance. In addition to using conventional epidemiologic evidence from registries, this innovative approach explores the vast potential of open-access omics databases for identifying genetic evidence pertaining to devices. MATERIAL AND METHODS: A retrospective analysis of Agency for Healthcare Research and Quality (AHRQ)/Healthcare Cost and Utilization Project (HCUPNet) data (2002-2011) was focused on the ventilation-related iatrogenic pneumothorax (Vent-IP) outcome in discharges with mechanical ventilation (MV) and continuous positive airway pressure (CPAP). The derived epidemiologic evidence was analyzed in conjunction with pre-existing genomic data from Gene Expression Omnibus/National Center for Biotechnology Information and other databases. RESULTS: AHRQ/HCUPNet epidemiologic evidence showed that annual occurrence of Vent-IP did not decrease over a decade. While the Vent-IP risk associated with noninvasive CPAP comprised about 0.5%, the Vent-IP risk due to longer-term MV reached 2%. Along with MV posing an independent risk for Vent-IP, female sex and white race were found to be effect modifiers, resulting in the highest Vent-IP risk among mechanically ventilated white females. The Vent-IP risk was also potentiated by comorbidities associated with spontaneous pneumothorax (SP) and fibrosis. Consistent with the epidemiologic evidence, expression profiling in a number of animal models showed that the expression of several collagens and other SP/fibrosis-related genes was modified by ventilation settings. CONCLUSION: Integration of complementary genetic evidence into epidemiologic analysis can lead to a cost- and time-efficient discovery of the risk predictors and markers and thus can facilitate more efficient marker-based evaluation of medical product performance.
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 | 0,028 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».