- Главная
- Разное
- Бизнес и предпринимательство
- Образование
- Развлечения
- Государство
- Спорт
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Религиоведение
- Черчение
- Физкультура
- ИЗО
- Психология
- Социология
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Геометрия
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Что такое findslide.org?
FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.
Обратная связь
Email: Нажмите что бы посмотреть
Презентация на тему Прогностическая эффективность биомаркеров
Содержание
- 2. Прогностическая эффективность биомаркеровиликак представить результаты так, чтобы
- 3. ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2007—2012 годы»О чем это они?
- 4. Чувствительность – специфичность: старые добрые медицинские понятияСпецифичность = 0.9Чувствительность = 0.7
- 5. Выигрывая в чувствительности, обычно теряем специфичность (et converso)
- 6. Так что важнее:чувствительность или специфичность?Area Under Curve?
- 7. AUC – это вероятность отличить больного от
- 8. А зачем все это?Почему бы не обойтись
- 9. 150 000работ, претендующих на открытие биомаркеровНадежды 90-х
- 10. Пример, когда сильный эффект не обеспечивает эффективность
- 11. ЗдоровыеControlБольныеCaseНосителимаркера Свободны отмаркеравсе начинается с таблицы сопряженности 2×2:> pM> 1-pMПопуляционная частота маркераРазберемся в исходных понятиях:
- 12. ЗдоровыеControlБольныеCaseНосителимаркера Свободны отмаркераИнтерпретация в терминах ошибок I и II родаПлоховато запоминается -лучше частота маркера среди больных
- 13. Бинарный тест: вычисление показателей ассоциирования и рискаПоказатели
- 14. Дизайн ассоциативных исследований Population study: случайная выборка
- 15. Возможность непосредственной оценки зависит от дизайна эксперимента!
- 16. Какими могут быть чувствительность, специфичность и рискидля
- 17. Зависимость чувствительности от pD и pM при
- 18. SP – (1-pM)pMpDЗависимость специфичности от pD и
- 19. AUCpMpDOR=5OR=10OR=20Зависимость AUC от pD и pM В этой точке SE=SP
- 20. При каких OR маркер является хорошим классификатором?
- 21. Почему высокое OR не всегда гарантирует эффективность
- 22. И еще одно обстоятельствоOR=11, p=7⋅10-11Популяционное обследование: Заболеваемость
- 23. OR завышает оценку относительного риска pD=0.05pM=0.1- хорошая аппроксимация для RR
- 24. RR может быть существенно меньше ORв случае
- 25. Бинарные и количественные маркеры (тесты)Бинарный тест: маркер
- 26. 00.050.10.150.20.25Признак - маркерЧастотаКонтрольБольныеКоличественный тест: выбор порога
- 27. 00.050.10.150.20.25Признак - маркерЧастотаКонтрольБольныеНизкий порогКоличественный тест: выбор порогаКак выбрать порог, чтобы соотношениечувствительность/специфичность было оптимальным?
- 28. ROC – анализReceiver Operator CharacteristicsТермин времен 2-ой
- 29. 00.050.10.150.20.25Признак - маркерЧастотаКонтрольБольныеROC – кривая: зависимость SE от (1-SP) при плавном изменении порогаПороговое значение
- 30. Форма ROC-кривых
- 31. AUC - это площадь под ROC-кривой (Area
- 32. 0123КонтрольЗначения признака-маркераБольныеВычисления при ROC-анализе
- 33. Вычисления при ROC-анализе
- 34. 0.88Все делается в Excel:0.58
- 35. Все делается в Excel:
- 36. Все делается в Excel:
- 37. Все делается в Excel:
- 38. Наименьшее расстояние до точки (0,1)Все делается в
- 39. Все делается в Excel:
- 40. Пример из радиационной генетики:
- 41. Частоты хромосомных аберраций в зависимости от генотипов
- 42. Частоты хромосомных аберраций в зависимости от генотипов
- 43. Распределения частот аберраций хромосомного типа у ликвидаторов
- 44. Частота «рискового генотипа» среди лиц с повышенным
- 45. Скачать презентацию
- 46. Похожие презентации
Прогностическая эффективность биомаркеровиликак представить результаты так, чтобы они нравились не только нам, но и в министерствах
Слайд 2
Прогностическая эффективность биомаркеров
или
как представить результаты так,
чтобы они
нравились не только нам,
Слайд 3
ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса
России на 2007—2012 годы»
О чем это они?
Слайд 4
Чувствительность – специфичность: старые добрые медицинские понятия
Специфичность =
0.9
Чувствительность = 0.7
Слайд 5
Выигрывая в чувствительности,
обычно теряем специфичность (et converso)
SE
vs. SP:
противоборство показателей
Маркер у всех,
и все больны!
SE=1,
SP=0Все без маркера,
и все здоровы! SE=0, SP=1
Слайд 7
AUC – это вероятность отличить больного от здорового,
ориентируясь на маркер!
Берем
1 здорового и 1 больного
Без использования
маркераИспользуем тест и носителя маркера объявляем больным
AUC>1/2, если OR>1
Слайд 8
А зачем все это?
Почему бы не обойтись привычным
набором
показателей ассоциирования – r, OR, p и т.п.
?Тревожные заголовки последних лет:
Маркеры с воспроизводимыми значимыми OR могут быть плохими классификаторами
Относительная полезность OR и RR
По ту сторону OR – риск заболеваемости на основе генетических профилей
Прогноз генетического риска – умеем ли мы уже это делать ?
…брешь между статистической значимостью и диагностической дискриминацией
Ограниченная полезность OR при использовании диагностических и прогностических маркеров
Слайд 9
150 000
работ,
претендующих на
открытие биомаркеров
Надежды 90-х не
оправдались: эпоха GWAS буксует
Капля в океане:
«Bring on the biomarkers»
Nature , v 469, 2011Нашествие биомаркеров
Good association is usually a necessary,
but not a sufficient, condition for good classification
George Poste, chief scientist at the Complex Adaptive Systems Initiative, and Regents professor of health innovation
at Arizona State University
«У меня 10-15 генов предрасположенности? В этой информации очень мало проку!»
Слайд 10
Пример, когда сильный эффект не обеспечивает эффективность прогноза
Сколько
раз тест сработал? Вероятность того, что случайно выбранный человек
будет правильно идентифицирован равна:Суперэффект!
У больных частота маркера в 10 раз выше, чем у здоровых:
OR=11, p=7⋅10-11
- почти монета!!!
Причина парадокса в низкой чувствительности теста:
50/500=0.1, т.е. только 10% больных
являются носителями маркера
Популяционное обследование:
Заболеваемость – 50%
Слайд 11
Здоровые
Control
Больные
Case
Носители
маркера
Свободны от
маркера
все начинается с таблицы сопряженности 2×2:
>
pM
> 1-pM
Популяционная частота маркера
Разберемся в исходных понятиях:
Слайд 12
Здоровые
Control
Больные
Case
Носители
маркера
Свободны от
маркера
Интерпретация в терминах ошибок I и
II рода
Плоховато запоминается -
лучше частота маркера среди больных
Слайд 13
Бинарный тест: вычисление показателей ассоциирования и риска
Показатели ассоциирования:
Показатели
рисков:
> RR
Не все эти показатели поддаются непосредственной оценке –
все зависит от дизайна эксперимента
Во всех случаях можно оценить только отношение шансов!
Слайд 14
Дизайн ассоциативных исследований
Population study:
случайная выборка без
подбора групп
Case-control study:
подбор групп «больные-здоровые»
Cohort study:
подбор групп «с
маркером – без маркера»Основной вариант ассоциативных
исследований
Обычно «экспонированные - контроль»
Редкий вариант (дорого!)
Набираем выборку,
заранее не зная, кто
болен и кто носитель
маркера
Слайд 15
Возможность непосредственной оценки зависит от дизайна эксперимента!
Однако
в большинстве случаев в отношении pD и pM
имеется
априорная информация (эпидемиологические справочники, базы данных PubMed, HapMap и т.д.)
Зная OR, pD и pM можно оценить все остальные показатели (например, относительный риск RR для case-control)
Слайд 16
Какими могут быть чувствительность, специфичность и риски
для бинарного
теста? .... Рассмотрим крайности:
На что можно рассчитывать, используя бинарный
маркера? В каждой клетке произведения вероятностей «встретить – не встретить»
Чувствительность и специфичность больше нуля даже в отсутствии ассоциаций
При OR > 1:
SE > pM и SP > 1-pM
Слайд 17
Зависимость чувствительности от pD и pM
при фиксированном
OR (=5)
SE - pM
pM
pD
Чувствительность слегка убывает при увеличении
заболеваемостиЧувствительность минус «чувствительность в отсутствии ассоциаций»
Чувствительность существенно зависит от частоты встречаемости маркера и произвольно мала для редких маркеров даже при больших OR
Слайд 18
SP – (1-pM)
pM
pD
Зависимость специфичности от pD и pM
при фиксированном OR(=5)
Специфичность слегка возрастает при увеличении заболеваемости
Специфичность слабо зависит от частоты маркера и приблизительно равна 1- pM при pD< 0.4Специфичность минус «специфичность в отсутствии ассоциаций»
Слайд 21 Почему высокое OR не всегда гарантирует эффективность прогнозов,
и когда подобное происходит?
Возьмем крайний случай: OR=∞
даже при очень
больших OR маркер является плохим классификатором, если pM/ pD<0.2 (тогда AUC<0.6)При низкой частоте встречаемости маркера
тест прогностически неэффективен. Точнее …
AUC→1/2
при pM→0,
хотя OR=∞
Слайд 22
И еще одно обстоятельство
OR=11, p=7⋅10-11
Популяционное обследование:
Заболеваемость –
50%
OR=11, но это не совсем относительный риск
(который показывает
во сколько раз заболеваемость выше у носителей маркера)
Слайд 24
RR может быть существенно меньше OR
в случае широко
распространенного заболевания (pD>0.1)
и редкого маркера (pM< 0.05)
Если
редкий ген (MAF=1%) сильно ассоциирован (OR=6) с широко распространенным заболеванием, то это не значит, что носители этого гена заболевают в 6 раз чащеНа самом деле только в 2.4 раза чаще
Слайд 25
Бинарные и количественные маркеры (тесты)
Бинарный тест:
маркер «есть-нет»
Количественный
тест:
маркер является количественным показателем
После выбора порогового значения маркера
приходим
к таблице 2х2
Слайд 27
0
0.05
0.1
0.15
0.2
0.25
Признак - маркер
Частота
Контроль
Больные
Низкий порог
Количественный тест: выбор порога
Как выбрать
порог, чтобы соотношение
чувствительность/специфичность было оптимальным?
Слайд 28
ROC – анализ
Receiver Operator Characteristics
Термин времен 2-ой мировой
войны, который придумали операторы первых радарных установок
Как отличить шум
и помехи от вражеского самолета?Современные применения ROC-анализа:
Слайд 29
0
0.05
0.1
0.15
0.2
0.25
Признак - маркер
Частота
Контроль
Больные
ROC – кривая: зависимость SE от
(1-SP)
при плавном изменении порога
Пороговое значение
Слайд 31 AUC - это площадь под ROC-кривой (Area Under
Curve)
AUC = Вероятность того, что значение признака-маркера у случайно
выбранного больного больше, чем у случайно выбранного здоровогоU=N1·N2·AUC - непараметрический критерий Манна-Уитни
AUC – интегральный показатель
прогностической эффективности маркера
Слайд 38
Наименьшее расстояние до точки (0,1)
Все делается в Excel:
Оптимальное
пороговое значение
При выборе этого этого порога, мы правильно идентифицируем
73% больных и 77% здоровыхСлайд 41 Частоты хромосомных аберраций в зависимости от генотипов по
кандидататным генам у ликвидаторов аварии на ЧАЭС и в
контролеСлайд 42 Частоты хромосомных аберраций в зависимости от генотипов по
кандидататным генам у ликвидаторов аварии на ЧАЭС и в
контролеРепарация ДНК
Детоксикация ксенобиотиков
Оксидативный стресс, клеточный цикл
Рисковый генотип:
минорные аллели в сайтах XPD и функциональные аллели генов GST
Ассоциации с частотами аберраций для обеих выборок
Слайд 43 Распределения частот аберраций хромосомного типа у ликвидаторов и
в контрольной группе
Что можно считать повышенным уровнем хромосомных аберраций?
Слайд 44 Частота «рискового генотипа» среди лиц с повышенным уровнем
аберраций хромосомного типа
Хотя бы один минорный аллель в сайтах
XPD плюс хотя бы одна инсерция в GSTM1-GSTT1
Что есть норма?
Более половины из нас предрасположены к повышенной частоте аберраций хромосом!
