高等医療環境における急性侵襲性真菌鼻炎の多変量診断予測モデルの外部検証

Aviv Spillinger¹, Johanna Ellefson¹, Qiuyu Yang²

¹Department of Otolaryngology-Head & Neck Surgery, University of Wisconsin School of Medicine & Public Health, Madison, Wisconsin, USA.

International forum of allergy & rhinology

|August 23, 2025

まとめ

この研究は,急性侵襲性真菌鼻炎 (AIFS) の診断モデルを検証し,異なる危険因子を持つ患者を特定するのに有効であることを示しています. このモデルは一般化され,AIFSの早期発見に役立ちます.

科学分野:

耳鼻喉科
感染症
医療診断

背景:

急性侵襲性真菌鼻炎 (AIFS) の治療結果を改善するには,早期発見と介入が不可欠です.
診断予測モデルはリスクの階層化に役立ちますが,正確性を確認するために外部検証が必要です.
この研究は,以前に開発されたAIFS診断モデルを独立した患者コホートで検証しています.

研究の目的:

急性侵襲性真菌鼻炎 (AIFS) の診断予測モデルを外部で検証する.
潜在的に異なる併発性を持つ独立したコホートにおけるモデルのパフォーマンスを評価する.

主な方法:

2008年から2023年までの間,AIFSの疑いのある患者を確認した.
陰族もいる 65人の患者 (11人がAIFSと診断された) のリスクを計算するために予測モデルが適用されました.
モデルの性能は,校正と差別メトリックを使用して評価されました.

主要な成果:

検証コーホートは,糖尿病,ステロイド使用,臓器移植の割合が高く,開発コーホートと比較して,血液学的悪性腫瘍と中性不全の割合は低かった.
3つの変数 (C指数:0.844) と4つの変数 (C指数:0.963) のモデルでは,適切な差別が示されました.
モデルでは略して過度な予測が示され,大型の校正リスクはそれぞれ24.1%と24.2%であった.

結論:

AIFSの診断モデルは,外部の検証で許容可能な差別と校正を示している.
このモデルは,様々な併発性疾患を持つ患者に一般化できます.
予測性能と臨床的有用性をさらに確認するために,より大きな研究が推奨されます.

キーワード:

臨床決定のルール侵入性キノコ感染症鼻炎検証試験

さらに関連する動画

05:37

An R-Based Landscape Validation of a Competing Risk Model

Published on: September 16, 2022

2.2K

14:27

Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data

Published on: June 26, 2013

15.8K

関連する概念動画

01:03

Data Validation

5.3K

Data validation is an essential part of a comprehensive assessment. Validation is confirming or verifying and opening the door to gathering more assessment data as it clarifies vague or unclear data. The process of checking and verifying the collected information is called data validation. The primary purpose of data validation is to ensure data is as free from error, bias, and misinterpretation as possible.
Nursing assessment guides are generally based on holistic models rather than medical...

5.3K

01:30

Pneumonia III: Complications and Assessment

435

Pneumonia poses the potential for numerous complications that warrant consideration. These complications include the following:

435

01:13

Sensitivity, Specificity, and Predicted Value

661

In healthcare diagnostics, laboratory tests play a crucial role in identifying and diagnosing a wide range of medical conditions. However, interpreting test results is not always straightforward. An abnormal test result does not always confirm the presence of a disease, just as a normal result does not guarantee its absence. To assess the reliability of these diagnostic tools, healthcare practitioners rely on two key statistical indicators: sensitivity and specificity.
Sensitivity is the...

661

01:15

Receiver Operating Characteristic Plot

332

A ROC (Receiver Operating Characteristic) plot is a graphical tool used to assess the performance of a binary classification model by illustrating the trade-off between sensitivity (true positive rate) and specificity (false positive rate). By plotting sensitivity against 1 - specificity across various threshold settings, the ROC curve shows how well the model distinguishes between classes, with a curve closer to the top-left corner indicating a more accurate model. The area under the ROC curve...

332

関連する実験動画