Dataset Viewer
Auto-converted to Parquet Duplicate
Search is not available for this dataset
image
imagewidth (px)
2.36k
4.75k

YAML Metadata Warning:empty or missing yaml metadata in repo card

Check out the documentation for more information.

NLST Sybil Boylamsal Analiz Raporu (Ham ve Kalibre Skorlar)

Bu private dataset reposu, 2.965 NLST serisi ve 1.201 tekil hasta üzerinde yürütülen Sybil boylamsal sağkalım ve risk skoru değişim analizinin hem Kalibre (Calibrated) hem de Ham (Uncalibrated / Raw) çıktılarını içermektedir.

Temel Soru

Pozitif (kanser tanısı alan) serilerde yeni tarama geldiğinde Sybil risk skorları yükseliyor mu?

YANIT: KESİNLİKLE EVET ($p < 0.001$)

Hem kalibre hem de kalibre edilmemiş ham skorlarda pozitif vakalarda yeni tarama geldiğinde skorlar istatistiksel olarak son derece güçlü biçimde yükselmektedir.

Ham (Uncalibrated) vs Kalibre (Calibrated) Skor Kıyaslaması

Parametre Ham (Raw) Skor Kalibre Skor Fark ve Yorum
Tanı Anında Artış Oranı (censor=0) %84,6 (11/13) %84,6 (11/13) Her iki modelde de tanı anında hastaların ezici çoğunluğu artış gösterir.
Tanı Anında Ortalama Sıçrama (Y1) +0,2055 (+20,5 puan) +0,1047 (+10,5 puan) Ham skorlarda sıçrama genliği neredeyse 2 kat daha büyüktür.
İlk → Son Tarama Artış Oranı (Y1) %71,4 (30/42 hasta) %64,3 (27/42 hasta) Ham skor pozitif hastaların %71.4'ünde net artış yakalar.
İlk → Son Tarama Ortalama Artış (Y1) +0,1099 (+11,0 puan) +0,0461 (+4,6 puan) Ham skor tümör progresyonunu daha geniş aralıkta yansıtır.
Aynı Kalan Değer Oranı %0,0 (Tamamen sürekli) %14,1 – %26,0 İzotonik kalibrasyon basamaklanması ham skorda yoktur.
Kontrol Grubu Ortalama Değişim +0,0043 (Medyan: +0,0019) +0,0003 (Medyan: 0,0000) Sağlıklı kişilerde her iki modelde de değişim pratikte sıfırdır.
Mann-Whitney U Testi (Kanser vs Kontrol) p = 3,73 × 10⁻⁴ p = 1,58 × 10⁻⁴ Kanser artışı kontrolden çok yüksek anlamlılıkla ayrışır.
Harrell C-Index (Y1 / Y6) 0,7387 / 0,7398 0,7320 / 0,7378 Ham skorların C-Index ayrım gücü daha yüksektir.
Ortalama Dinamik AUROC (1–6 Yıl) 0,8257 (%82,6) 0,8217 (%82,2) Ham skorlar tüm kohortta çok yüksek ayrım gücü sergiler.

Repo İçeriği

  • NLST_Sybil_Boylamsal_Analiz_Raporu.docx: Hem ham hem kalibre analizleri içeren Master Word Raporu (12 grafik gömülü).
  • NLST_Sybil_Ham_Skor_Boylamsal_Analiz_Raporu.docx: Sadece ham skorlara odaklanan Özel Word Raporu.
  • raw_sybil_summary.json & longitudinal_sybil_summary.json: Özet istatistik dosyaları.
  • fig1_raw_*.png – fig6_raw_*.png: Ham skorlara ait 6 adet analiz grafiği.
  • fig1_*.png – fig6_*.png: Kalibre skorlara ait 6 adet analiz grafiği.
  • run_raw_sybil_survival_analysis.py & run_full_sybil_survival_analysis.py: Analiz kaynak kodları.

📚 Referanslar ve Kaynakça (References)

Bu depoda yer alan boylamsal sağkalım ve risk analizleri, Sybil modeli ve NLST kohortu kullanılarak gerçekleştirilmiştir. Orijinal model ve veri setine ait temel yayınlar aşağıda belirtilmiştir:

@article{mikhael2023sybil,
  title   = {Sybil: A Validated Deep Learning Model to Predict Future Lung Cancer Risk From a Single Low-Dose Chest Computed Tomography},
  author  = {Mikhael, Peter G. and Wohlwend, Jeremy and Yala, Adam and Karstens, Leslie and Xiang, Jing and Takigami, Amanda K. and others},
  journal = {Journal of Clinical Oncology},
  volume  = {41},
  number  = {12},
  pages   = {2191--2201},
  year    = {2023},
  doi     = {10.1200/JCO.22.01345}
}

@article{nlst2011reduced,
  title   = {Reduced Lung-Cancer Mortality with Low-Dose Computed Tomographic Screening},
  author  = {{National Lung Screening Trial Research Team}},
  journal = {New England Journal of Medicine},
  volume  = {365},
  number  = {5},
  pages   = {395--409},
  year    = {2011},
  doi     = {10.1056/NEJMoa1102873}
}
Downloads last month
88