文摘
在这部作品中,潜在的基于x射线的多变量预测模型来预测慢性膝关节疼痛的发生。用x射线定量图像评估joint-space-width中央x射线(京)和双半定量的分数从骨关节炎倡议(OAI),一个病例对照研究。右膝盖的疼痛评估基线和零利率访问被用来屏幕/控制对象。分数进行分析的时候疼痛发生率(T-0)发病率(t - 1)的前一年内,和前两年疼痛发生率(2)。多变量模型是由一个交叉验证elastic-net正规化的广义线性模型特征选择的工具。单变量之间的差异情况和控制被AUC报道,C统计和优势比。单变量分析表明,内侧骨赘明显更普遍比控制的情况下:C统计0.62、0.62和0.61,T-0, t - 1和2,分别。多元件模型显著预测疼痛:AUC = 0.695, 0.623,和0.620,T-0, t - 1和2,分别。半定量的多变量模型预测油漆C统计= 0.671,0.648,和0.645 T-0, t - 1和2,分别。多变量模型来源于普通x射线放射学评估可用于预测学科发展中膝盖疼痛的风险。
1。介绍
膝盖的疼痛是最常见的和禁用症状骨关节炎(OA) [1,2]。每10个成人中就有1名患有这种疾病60年来在美国的发病率增加,由于生活方式的变化和预期寿命3- - - - - -7]。症状的患病率和OA疼痛学科的重要性使疼痛预测对OA患者的管理非常重要的任务。痛苦是一个联合组织的病理变化的晚期表现;因此,早期发现病变可以用来决定谁是开发OA相关疼痛的风险。下属的早期检测病理可能借助非侵入性程序像医学成像。医学成像已经被证明是一个非常重要的和有效的工具在OA的诊断;也是最常见的第一手资料医生和探索形式获得OA登台的好方法(8- - - - - -13]。
由于其成熟度,x射线的简单性和广泛部署的基础,它是主要的医学成像模式中使用OA的诊断和分期。放射OA被定义为主题呈现骨改变(骨刺)和减少关节空间(14]。这结果与关节疼痛和僵硬的症状(15];但是骨性改变预后权力没有被正确地研究在纵向研究(16- - - - - -19]。面临的最大挑战放射相关症状OA的多因子的来源是关节疼痛和疼痛的主观感知20.]。另一个挑战是缺乏标准化图像评估程序,允许适当的评价和OA的比较研究。为了克服这些限制,验证课题调查问卷(21,22)和标准化图像评估开发(23- - - - - -26]。
骨关节炎倡议的OAI)回忆成千上万的OA患者的临床资料,在风险科目,对照组使用验证问卷和标准化图像评估程序。的OAI工作带来非常重要的信息,将提供一个更好的理解疾病的过程。
在这部作品中,的OAI的x射线图像定量评估关节空间宽度、中央读取Kellgren和劳伦斯(高)和骨关节炎研究学会国际(OARSI)分数探索并发的协会和未来的膝盖疼痛。放射学结果报道的数量的OAI中心形象评估很大:骨赘,骨头摩擦,减少关节空间的内侧和外侧关节方面的。关节空间的的OAI定量图像分析也提供了一组测量数据,使数据探索一个挑战。这大阵的辐射特性及其协会对疼痛不能由简单的统计分析工具。先进的特征选择和生物信息学工具提供了一个行之有效的方法来处理这个复杂的问题27- - - - - -30.]。这些先进的方法自动构建简单的多变量模型很好的描述了协会的辐射特性与痛苦。
这项工作探讨了使用这种生物信息学工具来构建辐射的多元模型未来的关节疼痛和并发关节疼痛,和寻找的目标辐射特性或模型可以用于确定哪些组放射性OA患者发现风险更大发展的膝盖疼痛。
本文的组织结构如下;介绍后,患者选择和选择的方法解释说,在数据采集,图像特性提出了收购的过程;在统计分析中,完整的转换和数据分析解释;在表的结果,并给出了数值结果。最后,讨论、结论和未来的工作。
2。病人的方法
研究人群。本文的“数据用于制备得到的骨关节炎倡议(OAI)数据库,供公共访问http://www.oai.ucsf.edu/datarelease/”。所有受试者选择的OAI数据库。本研究基于可用的信息,是专为右膝。
是一个痛苦的预测研究中,慢性疼痛的右膝的发展作为变量来看待。使用五年筛选信息,一群对象被选中。所有科目都应该不存在慢性疼痛的症状基线访问,不应该被药用疼痛。
对照组选择的标准下以下几点:不是疼痛症状从基线访零利率访问,不呈现症状自基线访零利率访问状态,并没有止痛药基线访问零利率的访问。例受试者选择的标准下以下几点:不是疼痛症状在基线访,不表现症状状态基线,基线访问没有止痛药,和发展中慢性右膝疼痛在某些时间点后基线和零利率的访问。
只有对象与一个完整的定量或半定量的x射线评估筛选包含在最终的测试。由于最后一个条件,创建两个不同的团体,一个用于定量和半定量的研究。提出了人口统计信息表1,选择过程中所描述的细节图1。
3所示。数据采集
在这个分析中,右膝的OAI的评估数据集,“中央纵向评估膝关节x射线定量JSW”1.6版本,从的OAI右膝评估数据集“中央阅读K-L膝关节x射线的品位和个人膝盖的影像学特征”1.6版本,慢性疼痛和结果信息,问题的OAI数据集定义的“右膝症状的地位。“这信息是由两个不同的放射学家preanalyzed组相关的OAI;一组评价图像使用OARSI量化评分量表(25,31日)和半定量K-L评分量表(26,32,33]。在表2,评估特征的描述和他们的id。
所有的x射线图像进行评估使用的OAI方法;自动计算软件和外部读者描绘的股骨髁与胫骨平台;在图2,给出了软件输出的一个例子。
使用一个解剖坐标系统,客观确定位置。在图3,读者的一个例子。据的OAI信息,研究纵向膝盖射线照片建议= 0.2毫米= 0.275毫米可能是最佳的测量范围内勒();这个测量提出了图的一个例子4。
所有半定量的变量评估这项工作包括OAI协议的标准。这个供应商包括Kellgren和劳伦斯(高)成绩,个人影像学特征(irf)如骨赘、和关节空间缩小在特定的解剖位置,基于出版的地图。
一般来说,两个独立专家读者评估每个电影,看不到彼此的阅读和主题的临床资料。基线和随访电影得分而被认为同时和读者的时间顺序排列的图像与基线电影和后续电影随机命令。
4所示。统计分析
定量和半定量的数据,使用的时候疼痛发生率作为标志,三个不同的组建立:T-0,使用辐射数据的主题目前慢性疼痛发展;t - 1,使用辐射数据的前一年慢性疼痛发展;2、使用放射性数据发展课题前两年的慢性疼痛。17定量变量在这工作和19个半定量的变量进行了探讨。
数据分析,组织使用单变量和多变量分析技术。在这两种情况下,对于定量数据,异速生长的联合协会的身高和性别关节空间宽度调整使用线性回归(34),相关文献的一个常用的技术。定量数据是Z规范化使用等级正常反变换(35)使用标准的规范化水平报道文献[36]。
17在右膝评估量化特性测定;特性的描述如表所示2。为了避免性别偏见,所有图像特性的定量数据集经历了身高和性别调整使用线性回归在下面: JSWadj代表了测量调整,件原始测量,然后呢,从线性回归系数得出。
由于二进制结果变量的分布的性质,在这两种情况下(定量和半定量的),使用逻辑回归进行单变量分析表中给出代价函数使用所有功能2。一般线性模型,优势比,接受者操作特征(ROC)曲线下面积(AUC)计算每个特性;ROC曲线构造对于每一个定量分析,灵敏度的曲线是一个图形表示反对1-specificity二元分类器系统作为歧视的阈值是不同的。
半定量的独立和定量数据进行了分析。在这两种分析,不同群体决定的时间影响的独立测试,以避免偏见。
在多变量分析中,为了选择最佳组合特性的定量和半定量的预测模型、多元搜索策略是使用elastic-net执行正规化的广义线性模型作为一个分类器(套索)[37- - - - - -39),10倍交叉验证作为特征选择策略;这种方法常用于分类工作。准确性、AUC统计,混淆矩阵得到;为了最小化残差预测模型,本研究中使用的λλ被选中=λ分钟(37]。定量λ为0.037、0.029和0.069,T-0, t - 1和2,分别。半定量的λ为0.062、0.062和0.048,T-0, t - 1和2,分别。
执行所有的统计分析使用R软件和包(40]。
5。结果
在单变量分析中,所有显示不可预测的定量特征的自我。半定量的特性,“骨赘(OARSI成绩0 - 3)股骨内侧间室(XROSFM)”显示预测。在表中5和6完整的统计结果的所有特征。
使用多变量分析得到了三种预测模型的定量数据。疼痛发生率,六个特性预测模型获得最佳的准确性和AUC。在前一年疼痛发生率,两个特性预测模型获得最佳的准确性和AUC。在前两年疼痛发生率两个特性预测模型获得最好的准确性和AUC,由此产生的曲线呈现在图5。在表7,每个模型的完整结果和统计分析。
(一)
(b)
(c)
使用半定量数据多元分析三种预测模型。时间的疼痛发生率,四个特性预测模型获得最好的准确性和C统计。在前一年疼痛发生率,两个特性预测模型精度和获得最好的C统计。前的两年疼痛发病率预测模型获得最佳的准确性和三个特性C统计。在表8,每个模型的完整结果和统计分析。
6。讨论
这个病例对照纵向分析的主题与慢性右膝疼痛射线之间的关联发现早期OA的变化和未来出现慢性疼痛症状。具体地说,它发现特定辐射变化膝关节解剖存在至少提前两年开始选择组患者的慢性疼痛。因此,这些结果可能表明特定的变化在关节空间和骨结构的风险因素OA的未来发展相关的疼痛。这些发现加强一些以人群为基础的研究结论,有报道称,人射线膝关节OA的风险较高,疼痛发展相比,人没有放射OA (11- - - - - -13,16,18,41,42]。报道辐射特性可以添加到著名的OA严重风险因素像varus-valgus mal-alignment [43]。
表中给出的定量驱动的多变量预测模型7可能表明内侧软骨异常与慢性疼痛。外侧和内侧骨赘的半定量的多变量模型报道在表8与慢性疼痛的发展。内侧JSW的变化(京或)、骨破坏和软骨钙质沉着病出现疼痛发生前两年。个人特征(表5和6)也不像预期一样预测多变量模型考虑到办公自动化是一个整体器官疾病同时影响几个组织(44]。
当比较这些结果我们之前的努力(45,46),我们看到AUC的增加从0.652,0.617,和0.674到0.695,0.623,和0.620,T-0, t - 1和2的时间点。此外,这个过程需要不到2分钟的计算时间48小时的对比计算使用相同的机器。使用套索获得的模型更稳定相比,因为这个过程是确定的遗传算法的随机性质的原始工作。
对我们的研究有几个局限性。首先,痛苦是一个主观的结果,改变从一个人到另一个人。第二,我们限制包含主题没有服用止痛药;因此,开发了痛苦的人数在观察期间是很小的。第三,我们限制右膝的探索发现,和单边疼痛的症状可能会影响到魂斗罗侧膝盖。考虑到这些限制,我们不能概括研究结果和外部验证的结果需要评估模型的临床适用性。
7所示。结论
即使疼痛是一个非常复杂的和主观的临床结果,目标辐射特性的系统分析是能够找到一个多元模型,表明某些解剖特点之前膝盖疼痛的发展。基于这些特性的生物标志物可用于帮助医生选择最佳疗法或行动这些患者的特征。这是一个伟大的地区特别是在发展中国家的影响,获得高水平的卫生保健系统是非常受限制。
基于这些结果,很明显,多变量模型得到的计算方法可以更好地利用放射学特征,增加机会的未来发展一个有效的计算机辅助诊断和/或治疗选择系统。
利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项工作是支持的部分Consejo Nacional de Ciencia y Tecnologia (CONACYT), 16864年格兰特Ciencia Basica从CONACYT和Catedra de Bioinformatica (CAT220)领军de蒙特雷。豪尔赫。Galvan-Tejada给感谢PROMEP部分支持他的博士研究。“的OAI是公私合作组成的五个合同(n01 - ar - 2 - 2258, n01 - ar - 2 - 2259, n01 - ar - 2 - 2260, n01 - ar - 2 - 2261,和n01 - ar - 2 - 2262)由美国国立卫生研究院的资助,美国卫生和人类服务部的一个分支,OAI进行的研究调查。私人资金合作伙伴包括默克公司研究实验室、诺华制药公司葛兰素史克公司和辉瑞公司私人部门资金的OAI由美国国立卫生研究院的基础。本文准备使用的OAI公用数据集和不一定反映的OAI调查者的意见或观点,美国国立卫生研究院或私人资金合作伙伴。”