論文の概要: Predicting Breast Cancer Survival: A Survival Analysis Approach Using Log Odds and Clinical Variables

• arxiv url: http://arxiv.org/abs/2410.13404v1
• Date: Thu, 17 Oct 2024 10:01:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-18 13:18:58.936662
• Title: Predicting Breast Cancer Survival: A Survival Analysis Approach Using Log Odds and Clinical Variables
• Title（参考訳）: 乳癌の生存予測:ログオッドと臨床変数を用いた生存分析アプローチ
• Authors: Opeyemi Sheu Alamu, Bismar Jorge Gutierrez Choque, Syed Wajeeh Abbs Rizvi, Samah Badr Hammed, Isameldin Elamin Medani, Md Kamrul Siam, Waqar Ahmad Tahir,
• Abstract要約: 本研究は、乳がん患者の生存確率の予測を促進するために、Cox比例ハザードやパラメトリックサバイバルモデルなどの生存分析技術を用いている。 ナイジェリアのイバダンにあるUniversity College Hospitalが提供するデータセットから、乳がん患者1557人のデータを得た。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Breast cancer remains a significant global health challenge, with prognosis and treatment decisions largely dependent on clinical characteristics. Accurate prediction of patient outcomes is crucial for personalized treatment strategies. This study employs survival analysis techniques, including Cox proportional hazards and parametric survival models, to enhance the prediction of the log odds of survival in breast cancer patients. Clinical variables such as tumor size, hormone receptor status, HER2 status, age, and treatment history were analyzed to assess their impact on survival outcomes. Data from 1557 breast cancer patients were obtained from a publicly available dataset provided by the University College Hospital, Ibadan, Nigeria. This dataset was preprocessed and analyzed using both univariate and multivariate approaches to evaluate survival outcomes. Kaplan-Meier survival curves were generated to visualize survival probabilities, while the Cox proportional hazards model identified key risk factors influencing mortality. The results showed that older age, larger tumor size, and HER2-positive status were significantly associated with an increased risk of mortality. In contrast, estrogen receptor positivity and breast-conserving surgery were linked to better survival outcomes. The findings suggest that integrating these clinical variables into predictive models improvesthe accuracy of survival predictions, helping to identify high-risk patients who may benefit from more aggressive interventions. This study demonstrates the potential of survival analysis in optimizing breast cancer care, particularly in resource-limited settings. Future research should focus on integrating genomic data and real-world clinical outcomes to further refine these models.
• Abstract（参考訳）: 乳癌は、予後と治療の決定が臨床特性に大きく依存しているため、依然として重要な世界的な健康上の課題である。 患者結果の正確な予測は、パーソナライズされた治療戦略に不可欠である。 本研究は、乳がん患者の生存確率の予測を促進するために、Cox比例ハザードやパラメトリックサバイバルモデルなどの生存分析技術を用いている。 腫瘍の大きさ,ホルモン受容体の状態,HER2状態,年齢,治療歴などの臨床変数を解析し,生存率に与える影響を検討した。 ナイジェリアのイバダンにあるUniversity College Hospitalが提供するデータセットから、乳がん患者1557人のデータを得た。 このデータセットは、単変量と多変量の両方のアプローチを用いて前処理され分析され、生存結果が評価された。 カプラン・メイヤー生存曲線は生存確率を可視化するために生成され、コックス比例ハザードモデルは死亡に影響する主要な危険因子を同定した。 その結果,年齢,腫瘍径,HER2陽性状態は死亡リスクの増大と有意に関連していた。 一方,エストロゲン受容体陽性と乳房温存手術は生存率の向上に寄与した。 その結果、これらの臨床変数を予測モデルに組み込むことで生存予測の精度が向上し、より積極的な介入の恩恵を受ける高リスク患者を特定することが示唆された。 本研究は,乳がん治療の最適化における生存分析の可能性,特に資源制限条件下での生存分析の可能性を示す。 今後の研究は、これらのモデルをさらに洗練するために、ゲノムデータと実際の臨床結果の統合に焦点を当てるべきである。

関連論文リスト

• HACSurv: A Hierarchical Copula-based Approach for Survival Analysis with Dependent Competing Risks [51.95824566163554]
  HACSurvは、競合するリスクを持つデータから構造や原因特異的生存関数を学習する生存分析手法である。 リスクと検閲の間の依存関係をキャプチャすることで、HACSurvはより良い生存予測を実現する。
  論文  参考訳（メタデータ） (2024-10-19T18:52:18Z)
• Enhancing Clinically Significant Prostate Cancer Prediction in T2-weighted Images through Transfer Learning from Breast Cancer [71.91773485443125]
  転送学習は、よりリッチなデータを持つドメインから取得した機能を活用して、限られたデータを持つドメインのパフォーマンスを向上させるテクニックである。 本稿では,T2強調画像における乳癌からの転移学習による臨床的に有意な前立腺癌予知の改善について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:57:27Z)
• Survival Prediction Across Diverse Cancer Types Using Neural Networks [40.392772795903795]
  胃癌と大腸腺癌は広範囲で難治性の悪性腫瘍である。 医療コミュニティは、患者の予後を推定するための重要な指標として、5年間の生存率を受け入れている。 本研究は胃癌および大腸癌患者の生存予測モデルを改善するための先駆的アプローチを提案する。
  論文  参考訳（メタデータ） (2024-04-11T21:47:13Z)
• Deep Neural Decision Forest: A Novel Approach for Predicting Recovery or Decease of Patients [1.0874223087191939]
  本研究の目的は,深層学習アルゴリズムが患者の道徳を予測できるかどうかを検討することである。 臨床およびRT-PCRがどちらが信頼性が高いかを予測するための予測に与える影響について検討した。 その結果, RT-PCRを用いない臨床単独が, 80%の精度で最も効果的な診断方法であることが示唆された。
  論文  参考訳（メタデータ） (2023-11-23T11:21:40Z)
• Interpretable Survival Analysis for Heart Failure Risk Prediction [50.64739292687567]
  現状の生存モデルと解釈可能かつ競合する新しい生存分析パイプラインを提案する。 我々のパイプラインは最先端のパフォーマンスを達成し、心不全のリスク要因に関する興味深い新しい洞察を提供する。
  論文  参考訳（メタデータ） (2023-10-24T02:56:05Z)
• Multimodal Deep Learning for Personalized Renal Cell Carcinoma Prognosis: Integrating CT Imaging and Clinical Data [3.790959613880792]
  腎細胞癌は生存率の低い重要な世界的な健康上の課題である。 本研究の目的は, 腎細胞癌患者の生存確率を予測できる包括的深層学習モデルを考案することであった。 提案フレームワークは,3次元画像特徴抽出器,臨床変数選択,生存予測の3つのモジュールから構成される。
  論文  参考訳（メタデータ） (2023-07-07T13:09:07Z)
• Deep learning methods for drug response prediction in cancer: predominant and emerging trends [50.281853616905416]
  がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。 最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。 このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
  論文  参考訳（メタデータ） (2022-11-18T03:26:31Z)
• Machine learning approach to dynamic risk modeling of mortality in COVID-19: a UK Biobank study [0.0]
  新型コロナウイルス(COVID-19)のパンデミックは、高リスク患者の階層化を支援する堅牢でスケーラブルなモニタリングツールを緊急に必要としてきた。 本研究は、英国バイオバンクを用いた予測モデルを開発し、検証し、新型コロナウイルスの死亡リスクを推定することを目的とする。
  論文  参考訳（メタデータ） (2021-04-19T11:51:20Z)
• Survival prediction and risk estimation of Glioma patients using mRNA expressions [0.0]
  グリオーマは、予後不良の中枢神経系腫瘍の致死型である。 本研究では、生存に関連する7つの遺伝子シグネチャを同定し、生存予測とリスク推定のための2つのアプローチを検討する。
  論文  参考訳（メタデータ） (2020-11-02T00:39:04Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。