Improved Disease Outcome Prediction Based on Microarray and Clinical Data Combination and Pre-validation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F10%3APU86237" target="_blank" >RIV/00216305:26230/10:PU86237 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Improved Disease Outcome Prediction Based on Microarray and Clinical Data Combination and Pre-validation

Popis výsledku v původním jazyce

Combining relevant information from high-dimensional microarray data and low-dimensional clinical variables to predict disease outcome is important to improve treatment decisions. Such a combination may yield more accurate predictions than those obtainedbased on the use of microarray or clinical data alone. We propose a combination of logistic regression for clinical data and BinomialBoosting for microarray data. Then we propose its extension designed for redundant sets of data. Our approach combines microarray and clinical data at the level of decision integration. The extension includes pre-validation of models built with microarray and clinical data followed by weights calculation. Weights determine relevance of microarray and clinical models for data combination. Evaluations are performed with several redundant and non-redundant simulated datasets. Then some tests are applied to two real benchmark datasets. Our approach increases outcome prediction on non-redundant simulated datas

Název v anglickém jazyce

Improved Disease Outcome Prediction Based on Microarray and Clinical Data Combination and Pre-validation

Popis výsledku anglicky

Combining relevant information from high-dimensional microarray data and low-dimensional clinical variables to predict disease outcome is important to improve treatment decisions. Such a combination may yield more accurate predictions than those obtainedbased on the use of microarray or clinical data alone. We propose a combination of logistic regression for clinical data and BinomialBoosting for microarray data. Then we propose its extension designed for redundant sets of data. Our approach combines microarray and clinical data at the level of decision integration. The extension includes pre-validation of models built with microarray and clinical data followed by weights calculation. Weights determine relevance of microarray and clinical models for data combination. Evaluations are performed with several redundant and non-redundant simulated datasets. Then some tests are applied to two real benchmark datasets. Our approach increases outcome prediction on non-redundant simulated datas

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/2B06052" target="_blank" >2B06052: Vytipování markerů, screening a časná diagnostika nádorových onemocnění pomocí vysoce automatizovaného zpracování multidimenzionálních biomedicínských obrazů</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2010

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Biomedical Engineering Systems and Technologies

ISBN

978-3-540-92218-6

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

—

Název nakladatele

Springer Verlag

Místo vydání

Valencia

Místo konání akce

Hotel Sidi Saler, Valencia, Spain

Datum konání akce

20. 1. 2010

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—