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 : 436

Total downloads since May 17, 2022 : 436
 
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 19世紀フランスに... (1078) 1st
2位 故意犯と過失犯の... (963)
3位 「危険の予見可能... (709)
4位 新自由主義に抗す... (609)
5位 一部請求論の展開 (534)

最も多くダウンロードされたアイテム
1位 エクリチュールの... (1565) 1st
2位 アセトアニリドの... (839)
3位 インフルエンサー... (803)
4位 「彼女たち」の近... (692)
5位 731部隊と細菌戦 ... (580)

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