Концентрации в венозной крови:




Валидационные мероприятия
  • Построена модель Онко-скрин 3.0. Аналитическая прогностическая точность 95,8%, чувствительность 93,55% специфичность 98,25%. Выборка из 238 пациентов из них 124 человека с диагнозом рак кишечника и 114 человек группа сравнения.
  • Проведена валидация модели Онко-скрин 2.0. Прогностическая точность, полученная на выборке 100%, чувствительность 100%, специфичность 100%. Объем выборки 39 человек из них 15 человек с диагнозом рак прямой кишки и 24 человека группа сравнения.
  • Построена модель Онко-скрин 2.0. Аналитическая прогностическая точность 94,97%, чувствительность 92,66% специфичность 97,78%. Выборка из 199 пациентов из них 109 человека с диагнозом рак кишечника и 100 человек группа сравнения.
  • Проведена валидация модели Онко-скрин 1.0. Прогностическая точность, полученная на выборке 96,77%, чувствительность 93,75%, специфичность 100%. Объем выборки 62 человека из них 32 человека с диагнозом рак сигмовидной кишки и 30 человека группа сравнения.
  • Построена модель Онко-скрин 1.0. Аналитическая прогностическая точность 94,16%, чувствительность 92,21% специфичность 96,67%. Выборка из 137 пациентов из них 77 человека с диагнозом рак кишечника и 60 человек группа сравнения.
  • Проведена валидация модели Онко-скрин (пилотная версия). Прогностическая точность, полученная на выборке 21,62%, чувствительность 25 %, специфичность 0%. Объем выборки 74 человека из них 64 человека с диагнозом рак ободочной кишки и 10 человека группа сравнения.
  • Построена модель Онко-скрин (пилотная версия). Аналитическая прогностическая точность 90,48%, чувствительность 69,23% специфичность 96 %. Выборка из 63 пациентов из них 13 человек с диагнозом рак кишечника и 50 человек группа сравнения.

Валидационные мероприятия

Для увеличения устойчивости модели и правильность выдаваемого результата необходимо проверять модель на данных других исследователей.

Для этого мы собираем обезличенные данные и при достижении выборки с определенным количеством данных проводим валидацию (проверку модели). Если разница между прогностической точностью валидационной выборки и аналитической прогностической точностью превышает 5%, то модель перестраивается на объединенных данных.