Találati lista | Tudóstér

001-es BibID:	BIBFORM102878
035-os BibID:	(cikkazonosító)4311 (Wos)000839128300001 (Scopus)85136936484
Első szerző:	Németh Ákos (gyógyszer-vegyészmérnök, közgazdász)
Cím:	Identifying Patients with Familial Chylomicronemia Syndrome Using FCS Score-Based Data Mining Methods / Németh Ákos, Harangi Mariann, Daróczy Bálint, Juhász Lilla, Paragh György, Fülöp Péter
Dátum:	2022
ISSN:	2077-0383
Megjegyzések:	Background: There are no exact data about the prevalence of familial chylomicronemia syndrome (FCS) in Central Europe. We aimed to identify FCS patients using either the FCS score proposed by Moulin et al. or with data mining, and assessed the diagnostic applicability of the FCS score. Methods: Analyzing medical records of 1,342,124 patients, the FCS score of each patient was calculated. Based on the data of previously diagnosed FCS patients, we trained machine learning models to identify other features that may improve FCS score calculation. Results: We identified 26 patients with an FCS score of ?10. From the trained models, boosting tree models and support vector machines performed the best for patient recognition with overall AUC above 0.95, while artificial neural networks accomplished above 0.8, indicating less efficacy. We identified laboratory features that can be considered as additions to the FCS score calculation. Conclusions: The estimated prevalence of FCS was 19.4 per million in our region, which exceeds the prevalence data of other European countries. Analysis of larger regional and country-wide data might increase the number of FCS cases. Although FCS score is an excellent tool in identifying potential FCS patients, consideration of some other features may improve its accuracy.
Tárgyszavak:	Orvostudományok Klinikai orvostudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk data mining familial chylomicronemia syndrome FCS score machine learning screening
Megjelenés:	Journal of Clinical Medicine. - 11 (2022), p. 1-14. -
További szerzők:	Harangi Mariann (1974-) (belgyógyász, endokrinológus) Daróczy Bálint (1984-) (informatikus, matematikus) Juhász Lilla (1990-) (általános orvos) Paragh György (1953-) (belgyógyász) Fülöp Péter (1974-) (belgyógyász, endokrinológus, lipidológus)
Pályázati támogatás:	GINOP-2.3.2-15-2016-00005 GINOP Bridging Fund Egyéb MTA Premium Postdoctoral Grant 2018 MTA
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon: