Identifying malignant and pre-malignant lesions in average-risk individuals of a predominantly African American and hispanic population in the Bronx, New York
Notice bibliographique
Résumé
Diseño de un modelo multiparamétrico de riesgo de eventos microvasculares en el paciente diabético tipo 2 mediante análisis de regresión logística múltiple que permita discriminar las variables asociadas a un mayor riesgo y los individuos más susceptibles de presentar este tipo de complicaciones.Estudio observacional analítico de 60 diabéticos tipo 2. Muestreo aleatorio sistematizado aplicando un análisis de regresión logística múltiple (programa JMP del SAS Institute).Perfil poblacional: edad media: 61,15 ± 10,69 años; sexo: 36 % hombres/64 % mujeres; índice de masa corporal (IMC): 30,5±5,03; índice cintura-cadera: 0,97±0,05; hipertensión arterial: 65 %; sistólica: 143,61±16mmHg; diastólica: 83,65 ± 10,67 mmHg; dislipidemias: 70 %; eventos microvasculares: 35 %; glucemia basal: 174,63±54,53 mg/dl; HbA1c: 6,56±1,61 %; colesterol: 222,61±51,37 mg/dl; triglicéridos: 184,93 ± 15,77 mg/dl; c-HDL: 49,03 ± 1 mg/dl; microalbuminuria: 16,6 %.Diseño de un modelo de regresión logistica múltiple de eventos microvasculares, análisis de verosimilitud p < 0,0025. Están relacionadas en este modelo las siguientes variables ordenadas según su peso específico en la ecuación de riesgo: microalbuminuria, índice cintura-cadera, hipertensión arterial y glucemia basal.Se diseña un modelo multiparamétrico de riesgo de eventos microvasculares en el paciente diabético tipo 2 que considera como variables discriminativas asociadas a un mayor riesgo: indice cintura-cadera, hipertensión arterial, microalbuminuria y glucemia basal.A design of a multiparametric risk model of microvascular events in the patient diabetic type 2 with arterial hypertension by means of analysis of multiple logistical regression that allows to discriminate against the variables associated to a bigger risk and the most susceptible individuals to present this type of complications. Used methods. An observational analytic study of 60 diabetic type 2. Systematized alcatory sampling, applying a multiple logistical regression analysis (JMP of the SAS Institute program).Populational profile: half age: 61.15 ± 10.69 years; sex: 64 % women; body mass index (JMC): 30.5 ± 5.03; waist to hip index (ICC): 0.97 ± 0.05; arterial hypertension (HTA): 65 %; systolic: 143.61 ± 16 mmHg; dyastolic: 83.65 ± 10.67 mmHg; dislipaemias: 70 %; microvascular events: 35 %; blood glucose: 174.63 ± 54.53 mg/dl; HbA1c: 6.56 ± 1.61 %; cholesterol: 222.61 ± 51.37 mg/dl; triglycerids: 184.93 ± 15.77 mg/dl; c-HDL: 49.03 ± 1 mg/dl; microalbuminuria: 16.66%.A design of a multiple logistical regression model of microvascular events, likelihood ratio p < 0.002543. They are related in this model the following orderly variables according to their specific weight in the equation of risk: microalbuminuria, arterial hypertension, waist to hip index, blood glucose.A multiparametric risk model of microvascular events is designed in the patient diabetic type 2 that considers these variables associated to a bigger risk: waist to hip index, arterial hypertension, microalbuminuria and blood glucose.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».