慶應義塾大学学術情報リポジトリ(KOARA)KeiO Associated Repository of Academic resources

慶應義塾大学学術情報リポジトリ(KOARA)

ホーム  »»  アイテム一覧  »»  アイテム詳細

アイテム詳細

アイテムタイプ Article
ID
KAKEN_18K17394seika  
プレビュー
画像
thumbnail  
キャプション  
本文
KAKEN_18K17394seika.pdf
Type :application/pdf Download
Size :246.1 KB
Last updated :May 17, 2022
Downloads : 256

Total downloads since May 17, 2022 : 256
 
本文公開日
 
タイトル
タイトル 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  
カナ 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  
ローマ字 Jinkinō teika o sōki ni yosokusuru metaboromikusu baiomākā no kaimei to yobō iryō eno tenkai  
別タイトル
名前 Metabolomics biomarkers for predicting renal function decline  
カナ  
ローマ字  
著者
名前 原田, 成  
カナ ハラダ, セイ  
ローマ字 Harada, Sei  
所属 慶應義塾大学・医学部 (信濃町) ・講師  
所属(翻訳)  
役割 Research team head  
外部リンク 科研費研究者番号 : 10738090
 
出版地
 
出版者
名前  
カナ  
ローマ字  
日付
出版年(from:yyyy) 2021  
出版年(to:yyyy)  
作成日(yyyy-mm-dd)  
更新日(yyyy-mm-dd)  
記録日(yyyy-mm-dd)  
形態
1 pdf  
上位タイトル
名前 科学研究費補助金研究成果報告書  
翻訳  
 
 
2020  
 
開始ページ  
終了ページ  
ISSN
 
ISBN
 
DOI
URI
JaLCDOI
NII論文ID
 
医中誌ID
 
その他ID
 
博士論文情報
学位授与番号  
学位授与年月日  
学位名  
学位授与機関  
抄録
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).
 
目次

 
キーワード
腎機能低下  

メタボローム  

機械学習  

予防医学  

慢性腎臓病  
NDC
 
注記
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
 
言語
日本語  

英語  
資源タイプ
text  
ジャンル
Research Paper  
著者版フラグ
publisher  
関連DOI
アクセス条件

 
最終更新日
May 17, 2022 13:23:31  
作成日
May 17, 2022 13:23:31  
所有者
mediacenter
 
更新履歴
May 17, 2022    インデックス を変更
 
インデックス
/ Public / 科学研究費補助金研究成果報告書 / 2020年度 / 日本学術振興会
 
関連アイテム
 

ランキング

最も多く閲覧されたアイテム
1位 新自由主義に抗す... (488) 1st
2位 斎藤隆夫の「粛軍... (419)
3位 慶應義塾図書館史... (414)
4位 認知文法から考え... (395)
5位 M&Aにおける... (383)

最も多くダウンロードされたアイテム
1位 A study on the s... (393) 1st
2位 新参ファンと古参... (321)
3位 日本における美容... (303)
4位 興味が引き起こさ... (252)
5位 新自由主義に抗す... (250)

LINK

慶應義塾ホームページへ
慶應義塾大学メディアセンターデジタルコレクション
慶應義塾大学メディアセンター本部
慶應義塾研究者情報データベース