腎機能低下を早期に予測するメタボロミクス・バイオマーカーの解明と予防医療への展開

Material type: 文書・図像類

Author: 原田, 成

Publisher: -

Publication date: 2020

Material Format: Digital

Capacity, size, etc.: -

NDC: -

View All

Notes on use

Note (General)：: type:text60-74歳の一般市民1,672人に対し、調査開始時の腎機能測定（血清クレアチニン、血清シスタチンC、尿中アルブミン）と血漿・尿メタボローム測定を行った。また同じ参加者に対して、6年後も同様に評価した。機械学習的手法(OPLS-DA)を用いて、6年間での腎機能低下を予測した結果、...

Related materials as well as pre- and post-revision versions

科研費研究者番号 : 10738090

Search by Bookstore

Holdings of Libraries in Japan

This page shows libraries in Japan other than the National Diet Library that hold the material.

List of Cooperating Institutions and Databases

Please contact your local library for information on how to use materials or whether it is possible to request materials from the holding libraries.

other

Keio Associated Repository of Academic resources
Digital
You can check the holdings of institutions and databases with which 学術機関リポジトリデータベース（IRDB）（機関リポジトリ） is linked at the site of 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）.
Keio Associated Repository of Academic resources

Search by Bookstore

Bibliographic Record

You can check the details of this material, its authority (keywords that refer to materials on the same subject, author's name, etc.), etc.

Digital

Material Type: 文書・図像類
Title: 腎機能低下を早期に予測するメタボロミクス・バイオマーカーの解明と予防医療への展開
Author/Editor: 原田, 成
Author Heading: 原田, 成
Publication Date: 2020
Publication Date (W3CDTF): 2020
Alternative Title: ジンキノウテイカオソウキニヨソクスルメタボロミクス・バイオマーカーノカイメイトヨボウイリョウエノテンカイ
Jinkinō teika o sōki ni yosokusuru metaboromikusu baiomākā no kaimei to yobō iryō eno tenkai
Metabolomics biomarkers for predicting renal function decline
Periodical title: 科学研究費補助金研究成果報告書
Text Language Code: jpn
eng
Subject Heading: 腎機能低下,メタボローム,機械学習,予防医学,慢性腎臓病
Target Audience: 一般
Note (General): type:text
60-74歳の一般市民1,672人に対し、調査開始時の腎機能測定（血清クレアチニン、血清シスタチンC、尿中アルブミン）と血漿・尿メタボローム測定を行った。また同じ参加者に対して、6年後も同様に評価した。機械学習的手法(OPLS-DA)を用いて、6年間での腎機能低下を予測した結果、古典的な腎機能指標に加えて、血漿・尿メタボロームを用いることで、より正確な予測モデルが構築できた。さらに別の機械学習的手法(SVM)を用いてROCカーブを作成したところ、３種類の代謝物を含む上位5つの変数を選択した場合にもっとも精度が高く、AUC 0.904(95%CI 0.871-0.944)と好成績であった。 Renal function measurements (serum creatinine, serum cystatin C, and urine albumin) and plasma and urine metabolomics were performed on 1,672 participants aged 60-74 years at the beginning of the study. The same participants were also evaluated in the same way after 6 years. A machine learning method (OPLS-DA) was used to predict the decline in renal function over 6 years, and a more accurate prediction model was constructed by using plasma and urine metabolome in addition to classical renal function indicators. Furthermore, another machine-learning approach (SVM) was used to create ROC curves, which were most accurate when the top five variables including three metabolites were selected, with a good performance of AUC 0.904 (95%CI 0.871-0.944).
研究種目 : 若手研究研究期間 : 2018～2020 課題番号 : 18K17394 研究分野 : メタボロミクス疫学
Source: https://koara.lib.keio.ac.jp/xoonips/modules/xoonips/download.php?koara_id=KAKEN_18K17394seika
https://koara.lib.keio.ac.jp/xoonips/modules/xoonips/download.php?koara_id=KAKEN_18K17394seika
Access Restrictions: 限定公開
Related Material: 科研費研究者番号 : 10738090
Data Provider (Database): 国立情報学研究所 : 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）
https://irdb.nii.ac.jp
Original Data Provider (Database): 慶應義塾大学 : 慶應義塾大学学術情報リポジトリ