A New Approach for Diagnosing Type 1 Diabetes in Autoantibody-Positive Individuals Based on Prediction and Natural History
Notice bibliographique
Résumé
OBJECTIVE: We assessed whether type 1 diabetes (T1D) can be diagnosed earlier using a new approach based on prediction and natural history in autoantibody-positive individuals. RESEARCH DESIGN AND METHODS: Diabetes Prevention Trial-Type 1 (DPT-1) and TrialNet Natural History Study (TNNHS) participants were studied. A metabolic index, the T1D Diagnostic Index60 (Index60), was developed from 2-h oral glucose tolerance tests (OGTTs) using the log fasting C-peptide, 60-min C-peptide, and 60-min glucose. OGTTs with Index60 ≥2.00 and 2-h glucose <200 mg/dL (Ind60+Only) were compared with Index60 <2.00 and 2-h glucose ≥200 mg/dL (2hglu+Only) OGTTs as criteria for T1D. Individuals were assessed for C-peptide loss from the first Ind60+Only OGTT to diagnosis. RESULTS: Areas under receiver operating characteristic curves were significantly higher for Index60 than for the 2-h glucose (P < 0.001 for both DPT-1 and the TNNHS). As a diagnostic criterion, sensitivity was higher for Ind60+Only than for 2hglu+Only (0.44 vs. 0.15 in DPT-1; 0.26 vs. 0.17 in the TNNHS) OGTTs. Specificity was somewhat higher for 2hglu+Only OGTTs in DPT-1 (0.97 vs. 0.91) but equivalent in the TNNHS (0.98 for both). Positive and negative predictive values were higher for Ind60+Only OGTTs in both studies. Postchallenge C-peptide levels declined significantly at each OGTT time point from the first Ind60+Only OGTT to the time of standard diagnosis (range -22 to -34% in DPT-1 and -14 to -27% in the TNNHS). C-peptide and glucose patterns differed markedly between Ind60+Only and 2hglu+Only OGTTs. CONCLUSIONS: An approach based on prediction and natural history appears to have utility for diagnosing T1D.
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 ».