Incident Dysglycemia and Progression to Type 1 Diabetes Among Participants in the Diabetes Prevention Trial–Type 1
Notice bibliographique
Résumé
OBJECTIVE: We studied the incidence of dysglycemia and its prediction of the development of type 1 diabetes in islet cell autoantibody (ICA)-positive individuals. In addition, we assessed whether dysglycemia was sustained. RESEARCH DESIGN AND METHODS: Participants (n = 515) in the Diabetes Prevention Trial-Type 1 (DPT-1) with normal glucose tolerance who underwent periodic oral glucose tolerance tests (OGTTs) were followed for incident dysglycemia (impaired fasting glucose, impaired glucose tolerance, and/or high glucose levels at intermediate time points of OGTTs). Incident dysglycemia at the 6-month visit was assessed for type 1 diabetes prediction. RESULTS: Of 515 participants with a normal baseline OGTT, 310 (60%) had at least one episode of dysglycemia over a maximum follow-up of 7 years. Dysglycemia at the 6-month visit was highly predictive of the development of type 1 diabetes, both in those aged <13 years (P < 0.001) and those aged > or =13 years (P < 0.01). Those aged <13 years with dysglycemia at the 6-month visit had a high cumulative incidence (94% estimate by 5 years). Among those who developed type 1 diabetes after a dysglycemic OGTT and who had at least two OGTTs after the dysglycemic OGTT, 33 of 64 (52%) reverted back to a normal OGTT. However, 26 (79%) of the 33 then had another dysglycemic OGTT before diagnosis. CONCLUSIONS: ICA-positive individuals with normal glucose tolerance had a high incidence of dysglycemia. Incident dysglycemia in those who are ICA positive is strongly predictive of type 1 diabetes. Children with incident dysglycemia have an especially high risk. Fluctuations in and out of the dysglycemic state are not uncommon before the onset of type 1 diabetes.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».