Processing

Please wait...

Settings

Settings

Goto Application

1. WO2020112478 - METHODS FOR DETERMINING DISEASE RISK COMBINING DOWNSAMPLING OF CLASS-IMBALANCED SETS WITH SURVIVAL ANALYSIS

Publication Number WO/2020/112478
Publication Date 04.06.2020
International Application No. PCT/US2019/062561
International Filing Date 21.11.2019
IPC
A61B 5/05 2006.01
AHUMAN NECESSITIES
61MEDICAL OR VETERINARY SCIENCE; HYGIENE
BDIAGNOSIS; SURGERY; IDENTIFICATION
5Measuring for diagnostic purposes; Identification of persons
05Measuring for diagnosis by means of electric currents or magnetic fields
A61B 5/103 2006.01
AHUMAN NECESSITIES
61MEDICAL OR VETERINARY SCIENCE; HYGIENE
BDIAGNOSIS; SURGERY; IDENTIFICATION
5Measuring for diagnostic purposes; Identification of persons
103Measuring devices for testing the shape, pattern, size or movement of the body or parts thereof, for diagnostic purposes
A61B 5/117 2016.01
AHUMAN NECESSITIES
61MEDICAL OR VETERINARY SCIENCE; HYGIENE
BDIAGNOSIS; SURGERY; IDENTIFICATION
5Measuring for diagnostic purposes; Identification of persons
117Identification of persons
CPC
A61B 5/05
AHUMAN NECESSITIES
61MEDICAL OR VETERINARY SCIENCE; HYGIENE
BDIAGNOSIS; SURGERY; IDENTIFICATION
5Detecting, measuring or recording for diagnostic purposes
05Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; ; Measuring using microwaves or radiowaves
A61B 5/103
AHUMAN NECESSITIES
61MEDICAL OR VETERINARY SCIENCE; HYGIENE
BDIAGNOSIS; SURGERY; IDENTIFICATION
5Detecting, measuring or recording for diagnostic purposes
103Detecting, measuring or recording devices for testing the shape, pattern, ; colour,; size or movement of the body or parts thereof, for diagnostic purposes
A61B 5/117
AHUMAN NECESSITIES
61MEDICAL OR VETERINARY SCIENCE; HYGIENE
BDIAGNOSIS; SURGERY; IDENTIFICATION
5Detecting, measuring or recording for diagnostic purposes
117Identification of persons
Applicants
  • SOMALOGIC, INC. [US]/[US]
Inventors
  • HAGAR, Yolanda
  • DATTA, Gargi
  • ALEXANDER, Leigh
  • HINTERBERG, Michael
Agents
  • SANNY, Tony
  • CURTIS, Michael J.
  • CHAPMAN, Gary B.
  • BARONE, Stephen B.
  • SULLIVAN, Sally A.
  • BURLEIGH, Michael J.
  • FISCHER, William M.
  • CHERNOMORDIK, Boris D.
Priority Data
62/773,02829.11.2018US
62/783,73321.12.2018US
Publication Language English (EN)
Filing Language English (EN)
Designated States
Title
(EN) METHODS FOR DETERMINING DISEASE RISK COMBINING DOWNSAMPLING OF CLASS-IMBALANCED SETS WITH SURVIVAL ANALYSIS
(FR) PROCÉDÉS POUR DÉTERMINER UN RISQUE DE MALADIE COMBINANT UN SOUS-ÉCHANTILLONNAGE D'ENSEMBLES NON ÉQUILIBRÉS DE CLASSE AVEC UNE ANALYSE DE SURVIE
Abstract
(EN)
A method for downsampling class-imbalanced sets with survival analysis comprising: acquiring a class-imbalanced data set, wherein the class-imbalanced data set comprises biological data from a plurality of subjects, wherein the biological data of each subject includes an observation, a time value, and a plurality of clinical measurements, and wherein the biological data is categorized as being part of a majority data class or a minority data class, wherein the majority data class has a greater number of observations than the minority data class; downsampling the class-imbalanced data set, wherein the downsampling results in the majority data class having an equivalent or substantially equivalent number of observations as the minority data class; and performing cross-validation on the downsampled data set with a survival analysis to generate a survival model, wherein the observation comprises an event or no event at a specific time value.
(FR)
Un procédé de sous-échantillonnage d'ensembles non équilibrés de classe avec une analyse de survie comprend les étapes consistant à : obtenir un ensemble de données non équilibré de classe, l'ensemble de données non équilibré de classe comprenant des données biologiques provenant d'une pluralité de sujets, les données biologiques de chaque sujet comprenant une observation, une valeur de temps, et une pluralité de mesures cliniques, et les données biologiques étant classées comme faisant partie d'une classe de données majoritaires ou d'une classe de données minoritaires, la classe de données majoritaires ayant un plus grand nombre d'observations que la classe de données minoritaires; sous-échantillonner l'ensemble de données non équilibrées de classe, le sous-échantillonnage conduisant la classe de données majoritaires à avoir le nombre équivalent ou sensiblement équivalent d'observations à la classe de données minoritaires; et effectuer une validation croisée sur l'ensemble de données sous-échantillonnées avec une analyse de survie afin de générer un modèle de survie, l'observation comprenant un événement ou aucun événement à une valeur de temps spécifique.
Latest bibliographic data on file with the International Bureau