Disposition Index, Glucose Effectiveness, and Conversion to Type 2 Diabetes
Notice bibliographique
Résumé
OBJECTIVE: Disposition index (DI) and glucose effectiveness (S(G)) are risk factors for diabetes. However, the effect of DI and S(G) on future diabetes has not been examined in large epidemiological studies using direct measures. RESEARCH DESIGN AND METHODS: Insulin sensitivity index (S(I)), acute insulin response (AIR), and S(G) were measured in 826 participants (aged 40-69 years) in the Insulin Resistance Atherosclerosis Study (IRAS) by the frequently sampled intravenous glucose tolerance test. DI was expressed as S(I) x AIR. At the 5-year follow-up examination, 128 individuals (15.5%) had developed diabetes. RESULTS: The area under the receiver operating characteristic curve of a model with S(I) and AIR was similar to that of DI (0.767 vs. 0.774, P = 0.543). In a multivariate logistic regression model that included both DI and S(G), conversion to diabetes was predicted by both S(G) (odds ratio x 1 SD, 0.61 [0.47-0.80]) and DI (0.68 [0.54-0.85]) after adjusting for demographic variables, fasting and 2-h glucose concentrations, family history of diabetes, and measures of obesity. Age, sex, race/ethnicity, glucose tolerance status, obesity, and family history of diabetes did not have a significant modifying impact on the relation of S(G) and DI to incident diabetes. CONCLUSIONS: The predictive power of DI is comparable to that of its components, S(I) and AIR. S(G) and DI independently predict conversion to diabetes similarly across race/ethnic groups, varying states of glucose tolerance, family history of diabetes, and obesity.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».