FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2889388783> ?p ?o ?g. }

• W2889388783 endingPage "70" @default.
• W2889388783 startingPage "70" @default.
• W2889388783 abstract "To construct a mathematical model capable of predicting the drug safety of a patient receiving multiple sclerosis disease modifying drugs (DMD), on a model of flu-like syndrome (FLS).The study included 457 patients with multiple sclerosis (MS), aged from 18 to 68 years, mean 38.79 years, the mean duration of disease 122.58 months. All patients received first-line injections drug (interferon-beta). The sample included data from a three-year prospective dynamic observation with a frequency of observation of 1 every 6 months, with only the data of those examinations for which the presence or absence of FLS was known for the next 6 months (1203 cases). At the first step, the frequency of factors in the compared groups using the W Wald-Wolkovitz test, then the prognostic coefficients (PC) and the Kulbak informativity coefficient (CI) were calculated for each factor gradation. To determine the predictive ability of signs, the Spearman's R criterion was used. At the second step, a model of a two-layer neural network was constructed based on the data obtained.A simple static model and algorithm were developed to assess the risks of the onset and persistence of FLS during the next 6 months of interferon beta therapy. An attempt was also made to create an active model using neural network technology. Both models showed good sensitivity and specificity - 81.2% and 80.6% for the neural network, and 73.4 and 71.6% for the static model.Using of these algorithms allows to significantly increase the possibility of predicting the occurrence of AE at the time of drug prescribing. From the mathematical point of view, for the first time the mechanism and possibilities of using a neural network in conditions of incomplete initial information were determined.Цель исследования. Построение математической модели, способной прогнозировать лекарственную безопасность пациента, получающего препараты, изменяющие течение рассеянного склероза (ПИТРС), на примере гриппоподобного синдрома (ГПС). Материал и методы. Обследованы 457 пациентов с достоверным РС в возрасте от 18 до 68 лет, средний возраст - 38,79 года, средняя длительность заболевания на момент обследования - 122,58 мес. Все пациенты получали инъекционные препараты первой линии (интерфероны-β). В предварительную выборку вошли данные, полученные в ходе трехлетнего проспективного динамического исследования с частотой наблюдения 1 раз в 6 мес, в окончательную выборку были включены данные пациентов, для которых было известно наличие или отсутствие ГПС в течение последующих 6 мес (1203 случая). На первом этапе проводилась оценка достоверного различия по частоте исследуемого фактора в сравниваемых группах с использованием W-критерия Вальда-Вольфовица, вычислялись прогностические коэффициенты, а также коэффициент информативности Кульбака для каждой градации фактора. Для определения предсказательной способности признаков использовался r-критерий Спирмена. На втором этапе на основании полученных данных строилась модель двухслойной нейронной сети прямого распространения. Результаты и обсуждение. Разработана простая статическая модель с использованием метода Кульбака, на основании которой составлен алгоритм оценки рисков возникновения и сохранения ГПС в течение следующих 6 мес терапии интерферонами-β. Была предпринята попытка создания активной модели с использованием технологии нейронных сетей. Обе модели продемонстрировали хорошую чувствительность и специфичность - 81,2 и 80,6% соответственно для нейронной сети и 73,4 и 71,6% - для статической модели. Заключение. Использование данных алгоритмов позволяет существенно повысить возможности прогнозирования возникновения нежелательных явлений терапии на момент назначения препарата. С математической точки зрения впервые были определены механизм и возможности использования нейросети в условиях неполной исходной информации." @default.
• W2889388783 created "2018-09-07" @default.
• W2889388783 creator A5048610060 @default.
• W2889388783 creator A5077353151 @default.
• W2889388783 creator A5084318694 @default.
• W2889388783 date "2018-01-01" @default.
• W2889388783 modified "2023-09-23" @default.
• W2889388783 title "Steps to personalized therapy of multiple sclerosis: predicting safety of treatment using mathematical modeling" @default.
• W2889388783 cites W1523842520 @default.
• W2889388783 cites W1981218190 @default.
• W2889388783 cites W2021093304 @default.
• W2889388783 cites W2025375856 @default.
• W2889388783 cites W2028070629 @default.
• W2889388783 cites W2029800614 @default.
• W2889388783 cites W2034264798 @default.
• W2889388783 cites W2100216539 @default.
• W2889388783 cites W2163648856 @default.
• W2889388783 cites W2604975863 @default.
• W2889388783 doi "https://doi.org/10.17116/jnevro201811808270" @default.
• W2889388783 hasPubMedId "https://pubmed.ncbi.nlm.nih.gov/30160671" @default.
• W2889388783 hasPublicationYear "2018" @default.
• W2889388783 type Work @default.
• W2889388783 sameAs 2889388783 @default.
• W2889388783 citedByCount "1" @default.
• W2889388783 countsByYear W28893887832022 @default.
• W2889388783 crossrefType "journal-article" @default.
• W2889388783 hasAuthorship W2889388783A5048610060 @default.
• W2889388783 hasAuthorship W2889388783A5077353151 @default.
• W2889388783 hasAuthorship W2889388783A5084318694 @default.
• W2889388783 hasConcept C119857082 @default.
• W2889388783 hasConcept C126322002 @default.
• W2889388783 hasConcept C203014093 @default.
• W2889388783 hasConcept C2780640218 @default.
• W2889388783 hasConcept C41008148 @default.
• W2889388783 hasConcept C50644808 @default.
• W2889388783 hasConcept C71924100 @default.
• W2889388783 hasConceptScore W2889388783C119857082 @default.
• W2889388783 hasConceptScore W2889388783C126322002 @default.
• W2889388783 hasConceptScore W2889388783C203014093 @default.
• W2889388783 hasConceptScore W2889388783C2780640218 @default.
• W2889388783 hasConceptScore W2889388783C41008148 @default.
• W2889388783 hasConceptScore W2889388783C50644808 @default.
• W2889388783 hasConceptScore W2889388783C71924100 @default.
• W2889388783 hasIssue "8" @default.
• W2889388783 hasLocation W28893887831 @default.
• W2889388783 hasLocation W28893887832 @default.
• W2889388783 hasOpenAccess W2889388783 @default.
• W2889388783 hasPrimaryLocation W28893887831 @default.
• W2889388783 hasRelatedWork W1506200166 @default.
• W2889388783 hasRelatedWork W2039318446 @default.
• W2889388783 hasRelatedWork W2048182022 @default.
• W2889388783 hasRelatedWork W2080531066 @default.
• W2889388783 hasRelatedWork W2617222556 @default.
• W2889388783 hasRelatedWork W2748952813 @default.
• W2889388783 hasRelatedWork W2899084033 @default.
• W2889388783 hasRelatedWork W2998699411 @default.
• W2889388783 hasRelatedWork W3032375762 @default.
• W2889388783 hasRelatedWork W3108674512 @default.
• W2889388783 hasVolume "118" @default.
• W2889388783 isParatext "false" @default.
• W2889388783 isRetracted "false" @default.
• W2889388783 magId "2889388783" @default.
• W2889388783 workType "article" @default.