Your browser doesn't support javascript.
loading
Statistical characterization of a good biomarker in oncology. / Características bioestadísticas de un buen biomarcador en Oncología.
Esteban, Luis Mariano; Escorihuela-Sahún, María Etelvina; Sanz, Gerardo; Muñoz-Rivero, Marta Viridiana; Borque-Fernando, Ángel.
Afiliação
  • Esteban LM; Departament of Applied Mathematics. Escuela Universitaria Politécnica de La Almunia. University of Zaragoza. España.
  • Escorihuela-Sahún ME; Departament of Applied Mathematics. Escuela Universitaria Politécnica de La Almunia. University of Zaragoza. España.
  • Sanz G; Department of Statistical Methods and Institute for Biocomputation and Physics of Complex Systems- BIFI, University of Zaragoza. Zaragoza. España.
  • Muñoz-Rivero MV; Department of Urology, Miguel Servet University Hospital IIS-Aragon. Zaragoza. España.
  • Borque-Fernando Á; Department of Urology, Miguel Servet University Hospital IIS-Aragon. Zaragoza. España.
Arch Esp Urol ; 75(2): 95-102, 2022 Mar.
Article em En, Es | MEDLINE | ID: mdl-35332878
RESUMEN
OBJETIVO: El objetivo principal de esteartículo es revisar e ilustrar las propiedades para analizarel desempeño de un modelo predictivo, que sonla discriminación, calibración y utilidad clínica.MATERIAL Y MÉTODOS: Para ilustrar un procesode validación de biomarcadores, analizamos 216 pacientesreclutados en el Hospital Universitario MiguelServet, Zaragoza, España. El objetivo a predecir en elestudio fue un cáncer de próstata clínicamente significativo(Gleason ≥ 7). Se construyó un nuevo biomarcadorutilizando un modelo de regresión logísticausando la edad, el antígeno prostático específico, elvolumen de la próstata y el tacto rectal como variablespredictoras. Para analizar la capacidad de discriminaciónse estimó la curva característica de funcionamientodel receptor, su área bajo la curva (AUC) y elíndice de Youden. Además, la calibración se analizómediante curva de calibración, intersección y pendiente;y la utilidad clínica se estudió mediante curvasde decisión y utilidad clínica. RESULTADOS: La capacidad de discriminación fuebuena: AUC 0,790 (0,127-0,853 IC del 95%), punto decorte del índice de Youden 0,431 (especificidad 0,811,sensibilidad 0,697). La intersección fue 0 y la pendiente1, mostrando una calibración perfecta. La curva dedecisión muestra un buen beneficio neto en un rangode probabilidad del 25% al 80%. La curva de utilidadclínica mostró que para un punto de corte del 18%, seproduce un mínimo del 4,5% de los pacientes con CsPCaclasificados incorrectamente por debajo del puntode corte, ahorrando un 18,5% de biopsias. CONCLUSIONES: Es necesario un proceso de validacióncompleto para analizar el desempeño de un biomarcadoren oncología, en función de su capacidad dediscriminación, la concordancia entre las prediccionesque proporciona el marcador y la ocurrencia real delevento, y su aplicabilidad en la práctica clínica.
Assuntos
Palavras-chave
Buscar no Google
Coleções: 01-internacional Base de dados: MEDLINE Tipo de estudo: Diagnostic_studies / Prognostic_studies / Risk_factors_studies Limite: Humans / Male País/Região como assunto: Europa Idioma: En / Es Ano de publicação: 2022 Tipo de documento: Article
Buscar no Google
Coleções: 01-internacional Base de dados: MEDLINE Tipo de estudo: Diagnostic_studies / Prognostic_studies / Risk_factors_studies Limite: Humans / Male País/Região como assunto: Europa Idioma: En / Es Ano de publicação: 2022 Tipo de documento: Article