在评估儿科慢性病使用生物标志物的多模式模糊方法

科学领域:

• 儿科脏病学 儿科脏病学
• 生物标志物研究 生物标志物研究
• 计算医学是一种计算医学.

背景情况:

• 慢性病 (CKD) 显著影响儿童的发病率和死亡率.
• 目前对儿科慢性病的诊断和监测方法在敏感性和特异性方面存在局限性.
• 作为一个生物标志物,中性纤维凝酶相关的利波卡林 (NGAL) 是有前途的,但儿科数据有限.

研究的目的:

• 开发一种模糊逻辑方法来评估儿科CKD进展概率.
• 将尿液NGAL,血NGAL,肌素和红细胞沉积率 (ESR) 整合到一个预测模型中.
• 为改善儿科CKD诊断和临床决策提供一个工具.

主要方法:

• 使用输入变量开发一个模糊逻辑模型:ESR,血NGAL (NGAL-P),尿路NGAL (NGAL-U) 和肌.
• 模拟输入变量与输出变量之间的相关性 (预测概率).
• 详细解释模型配置和通过3D图形展示模拟结果.

主要成果:

• 模糊逻辑模型有效地模拟了输入参数和CKD进展概率之间的相关性.
• 3D图形展示了生物标志物,常规测试和患者预后之间的复杂关系.
• 该模型展示了使用模糊逻辑在儿科CKD中解释NGAL生物标志物的可行性.

结论:

• 拟议的模糊逻辑模型可以增强儿科CKD的诊断和随访.
• 这种方法为医生提供了一种有价值的工具,以指导干预决策.
• 模糊逻辑提供了一个可行的方法来解释NGAL生物标志物数据在儿科CKD进展的背景下.