Ethnic differences translate to inadequacy of high-risk screening for gestational diabetes mellitus in an Asian population: a cohort study
Notice bibliographique
Résumé
BACKGROUND: Universal and high-risk screening for gestational diabetes mellitus (GDM) has been widely studied and debated. Few studies have assessed GDM screening in Asian populations and even fewer have compared Asian ethnic groups in a single multi-ethnic population. METHODS: 1136 pregnant women (56.7% Chinese, 25.5% Malay and 17.8% Indian) from the Growing Up in Singapore Towards healthy Outcomes (GUSTO) birth cohort study were screened for GDM by 75-g oral glucose tolerance test (OGTT) at 26-28 weeks of gestation. GDM was defined using the World Health Organization (WHO) criteria. High-risk screening is based on the guidelines of the UK National Institute for Health and Clinical Excellence. RESULTS: Universal screening detected significantly more cases than high-risk screening [crude OR 2.2 (95% CI 1.7-2.8)], particularly for Chinese women [crude OR = 3.5 (95% CI 2.5-5.0)]. Pre-pregnancy BMI > 30 kg/m2 (adjusted OR = 3.4, 95% CI 1.5-7.9) and previous GDM history (adjusted OR = 6.6, 95% CI 1.2-37.3) were associated with increased risk of GDM in Malay women while GDM history was the only significant risk factor for GDM in Chinese women (adjusted OR = 4.7, 95% CI 2.0-11.0). CONCLUSION: Risk factors used in high-risk screening do not sufficiently predict GDM risk and failed to detect half the GDM cases in Asian women. Asian women, particularly Chinese, should be screened to avoid under-diagnosis of GDM and thereby optimize maternal and fetal outcomes.
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 ».