Identifying Predictors of Anti-VEGF Treatment Response in Patients with Neovascular Age-Related Macular Degeneration through Discriminant and Principal Component Analysis
Notice bibliographique
Résumé
OBJECTIVE: AURA was an observational study that monitored visual acuity outcomes following ranibizumab use in neovascular age-related macular degeneration patients over 2 years. The aim of this analysis was to identify factors that were predictive of visual acuity outcomes in AURA. METHODS: The correlation between the baseline characteristics, the use of resources and the visual acuity outcomes in AURA was explored using principal component analysis (PCA) and partial least-squares-discriminant analysis (PLS-DA). The response variables analysed were mean change in visual acuity over 2 years (analysed via PCA) and no decline in visual acuity at 2 years compared with baseline (analysed via PLS-DA). RESULTS: The AURA dataset comprised 2,227 patients and 132 variables. Using PCA and PLS-DA, we found that the number of ranibizumab injections, clinic and monitoring visits, number of optical coherence tomography scans and ophthalmoscopies correlated with a change in visual acuity at Years 1 and 2, and are therefore key drivers of treatment success. CONCLUSION: This is a novel approach to graphically explore relationships between multiple correlated covariates and outcomes in real-life ophthalmology studies. It identified a number of variables that are positively linked with treatment outcomes.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».