Prediction models for incident Type 2 diabetes mellitus in the older population: KORA S4/F4 cohort study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The aim was to derive Type 2 diabetes prediction models for the older population and to check to what degree addition of 2-h glucose measurements (oral glucose tolerance test) and biomarkers improves the predictive power of risk scores which are based on non-biochemical as well as conventional clinical parameters. METHODS: Oral glucose tolerance tests were carried out in a population-based sample of 1353 subjects, aged 55-74 years (62% response) in Augsburg (Southern Germany) from 1999 to 2001. The cohort was reinvestigated in 2006-2008. Of those individuals without diabetes at baseline, 887 (74%) participated in the follow-up. Ninety-three (10.5%) validated diabetes cases occurred during the follow-up. In logistic regression analyses for model 1, variables were selected from personal characteristics and additional variables were selected from routinely measurable blood parameters (model 2) and from 2-h glucose, adiponectin, insulin and homeostasis model assessment of insulin resistance (HOMA-IR) (model 3). RESULTS: Age, sex, BMI, parental diabetes, smoking and hypertension were selected for model 1. Model 2 additionally included fasting glucose, HbA(1c) and uric acid. The same variables plus 2-h glucose were selected for model 3. The area under the receiver operating characteristic curve significantly increased from 0.763 (model 1) to 0.844 (model 2) and 0.886 (model 3) (P<0.01). Biomarkers such as adiponectin and insulin did not improve the predictive abilities of models 2 and 3. Cross-validation and bootstrap-corrected model performance indicated high internal validity. CONCLUSIONS: This longitudinal study in an older population provides models to predict the future risk of Type 2 diabetes. The OGTT, but not biomarkers, improved discrimination of incident diabetes.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découle