Screening for Dysglycemia in Overweight Youth Presenting for Weight Management
Notice bibliographique
Résumé
OBJECTIVE: To examine the performance of current screening recommendations for detecting dysglycemia in children and adolescents with obesity. RESEARCH DESIGN AND METHODS: In a cross-sectional study, an oral glucose tolerance test and demographic (age, sex, family history of diabetes, and ethnicity), clinical (BMI z score, waist circumference, and pubertal stage), and laboratory variables used in current pediatric screening criteria for type 2 diabetes mellitus were measured in 259 overweight or obese youth aged 5-17 years. Glycemic status was based on American Diabetes Association (ADA) thresholds. The performance (sensitivity and specificity) of current screening criteria and newly developed models to identify isolated IGT were compared. RESULTS: Dysglycemia was present in 20.8% of the cohort. Of the 54 participants with dysglycemia, 68% had a normal fasting glucose and were identified with the 2-h glucose test. Current ADA criteria had low sensitivity (41.7% [95% CI 25.6-57.8]) and moderate specificity (69.5% [63.5-75.6]) to identify IGT. In receiver operating characteristic (ROC) analysis, the addition of hemoglobin A(1c) (HbA(1c)) or FPG did not improve the ROC area under the curve (AUC) (HbA(1c): 0.64 vs. 0.63; P = 0.54; HbA(1c) + FPG: 0.66; P = 0.42), but adding triglyceride level did (AUC 0.72 vs. 0.63; P = 0.03). A simple model with fasting triglyceride level >1.17 mmol/L improved AUC compared with ADA screening criteria (0.68 vs. 0.57; P = 0.04). CONCLUSIONS: The prevalence of IGT is high among obese children and youth. Current screening criteria have low sensitivity to detect isolated IGT. Although adding nonfasting laboratory values to history and physical measures does not improve diagnostic accuracy, adding fasting lipid profile improves predictive value.
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 ».