A Risk Score for Type 1 Diabetes Derived From Autoantibody-Positive Participants in the Diabetes Prevention Trial–Type 1
Notice bibliographique
Résumé
OBJECTIVE: The accurate prediction of type 1 diabetes is essential for appropriately identifying prevention trial participants. Thus, we have developed a risk score for the prediction of type 1 diabetes. RESEARCH DESIGN AND METHODS: Diabetes Prevention Trial-Type 1 (DPT-1) participants, islet cell autoantibody (ICA)-positive relatives of type 1 diabetic patients (n = 670), were randomly divided into development and validation samples. Risk score values were calculated for the validation sample from development sample model coefficients obtained through forward stepwise proportional hazards regression. RESULTS: A risk score based on a model including log-BMI, age, log-fasting C-peptide, and postchallenge glucose and C-peptide sums from 2-h oral glucose tolerance tests (OGTTs) was derived from the development sample. The baseline risk score strongly predicted type 1 diabetes in the validation sample (chi(2) = 82.3, P < 0.001). Its strength of prediction was almost the same (chi(2) = 83.3) as a risk score additionally dependent on a decreased first-phase insulin response variable from intravenous glucose tolerance tests (IVGTTs). Biochemical autoantibodies did not contribute significantly to the risk score model. A final type 1 diabetes risk score was then derived from all participants with the same variables as those in the development sample model. The change in the type 1 diabetes risk score from baseline to 1 year was in itself also highly predictive of type 1 diabetes (P < 0.001). CONCLUSIONS: A risk score based on age, BMI, and OGTT indexes, without dependence on IVGTTs or additional autoantibodies, appears to accurately predict type 1 diabetes in ICA-positive relatives.
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 | 0,001 |
| 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 ».