Validating the CANRISK prognostic model for assessing diabetes risk in Canada’s multi-ethnic population
Notice bibliographique
Résumé
INTRODUCTION: Despite high rates of undiagnosed diabetes and prediabetes, suitable risk assessment tools for estimating personal diabetes risk in Canada are currently lacking. METHODS: We conducted a cross-sectional screening study that evaluated the accuracy and discrimination of the new Canadian Diabetes Risk Assessment Questionnaire (CANRISK) for detecting diabetes and prediabetes (dysglycemia) in 6223 adults of various ethnicities. All participants had their glycemic status confirmed with the oral glucose tolerance test (OGTT). We developed electronic and paper-based CANRISK scores using logistic regression, and then validated them against reference standard blood tests using test-set methods. We used area under the curve (AUC) summary statistics from receiver operating characteristic (ROC) analyses to compare CANRISK with other alternative risk-scoring models in terms of their ability to discern true dysglycemia. RESULTS: The AUC for electronic and paper-based CANRISK scores were 0.75 (95% CI: 0.73-0.78) and 0.75 (95% CI: 0.73-0.78) respectively, as compared with 0.66 (95% CI: 0.63-0.69) for the Finnish FINDRISC score and 0.69 (95% CI: 0.66-0.72) for a simple Obesity model that included age, BMI, waist circumference and sex. CONCLUSION: CANRISK is a statistically valid tool that may be suitable for assessing diabetes risk in Canada's multi-ethnic population. CANRISK was significantly more accurate than both the FINDRISC score and the simple Obesity model.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».