Articulo de referencia

Índice de riesgo individualizado continuo

El Índice de Riesgo Individualizado Continuo (CIRI) (inicial pronunciado /ˈsɪri/ ) es un conjunto de modelos de riesgo probabilísticos [ 1 ] que utilizan estadísticas bayesianas...

El Índice de Riesgo Individualizado Continuo (CIRI) (inicial pronunciado /ˈsɪri/ ) es un conjunto de modelos de riesgo probabilísticos [ 1 ] que utilizan estadísticas bayesianas para integrar diversos biomarcadores de cáncer a lo largo del tiempo para producir una predicción unificada del riesgo de resultado, como lo describieron originalmente Kurtz, Esfahani, et al. (2019) [ 2 ] [ 3 ] [ 4 ] del laboratorio de Ash Alizadeh en Stanford. Inspirado en los modelos de probabilidad de victoria en juegos para predecir ganadores en deportes [ 5 ] [ 6 ] [ 7 ] y elecciones políticas, [ 8 ] [ 9 ] CIRI incorpora información serial obtenida a lo largo del curso de un paciente dado para estimar una estimación personalizada de varios riesgos relacionados con el cáncer a lo largo del tiempo. [ 10 ] [ 11 ] Se han desarrollado modelos CIRI disponibles para varios tipos de cáncer, incluido el cáncer de mama (BRCA), el linfoma difuso de células B grandes (DLBCL) y la leucemia linfocítica crónica (CLL). La información serial integrada puede ser diversa, incluida la elección de terapia y las respuestas asociadas observadas, ya sea mediante biopsias líquidas o estudios radiológicos, mediciones patológicas y otras mediciones dinámicas.

Referencias

  1. "Análisis de datos bayesiano" . www.taylorfrancis.com . Consultado el 11 de agosto de 2019 .
  2. «CIRI» . ciri.stanford.edu . Consultado el 11 de agosto de 2019 .
  3. Wan, Jonathan CM; White, James R.; Diaz, Luis A. (2019-07-25). "Hey CIRI, ¿cuál es mi pronóstico?" . Cell . 178 (3): 518– 520. doi : 10.1016/j.cell.2019.07.005 . ISSN 1097-4172 . PMID 31348884 .  
  4. Kurtz, David M.; Esfahani, Mohammad S.; Scherer, Florian; Soo, Joanne; Jin, Michael C.; Liu, Chih Long; Newman, Aaron M.; Dührsen, Ulrich; Hüttmann, Andreas (2019-07-25). "Perfil de riesgo dinámico utilizando biomarcadores tumorales seriados para la predicción personalizada de resultados" . Cell . 178 ( 3): 699–713.e19. doi : 10.1016/j.cell.2019.06.011 . ISSN 1097-4172 . PMC 7380118. PMID 31280963 .   
  5. "Deportes – FiveThirtyEight" . Archivado del original el 18 de marzo de 2014. Consultado el 11 de agosto de 2019 .
  6. Stern, Hal (1991-08-01). "Sobre la probabilidad de ganar un partido de fútbol". The American Statistician . 45 (3): 179– 183. doi : 10.1080/00031305.1991.10475798 . ISSN 0003-1305 . 
  7. Lock, Dennis; Nettleton, Dan (2014). "Uso de bosques aleatorios para estimar la probabilidad de victoria antes de cada jugada de un partido de la NFL" . Journal of Quantitative Analysis in Sports . 10 (2): 197– 205. doi : 10.1515/jqas-2013-0100 . ISSN 1559-0410 . S2CID 116921538 .  
  8. "Política – FiveThirtyEight" . Archivado del original el 18 de marzo de 2014. Consultado el 11 de agosto de 2019 .
  9. Linzer, Drew A. (1 de marzo de 2013). "Pronóstico bayesiano dinámico de las elecciones presidenciales en los estados". Journal of the American Statistical Association . 108 (501): 124– 134. doi : 10.1080/01621459.2012.737735 . ISSN 0162-1459 . S2CID 8787391 .  
  10. "Modelo de riesgo inspirado en el deporte mejora la predicción del riesgo de cáncer" . Medscape . Consultado el 11 de agosto de 2019 .
  11. "¿Cuáles son las probabilidades de vencer el cáncer?" . Revista Cosmos . Consultado el 11 de agosto de 2019 .