Metabolic syndrome and its single traits as risk factors for diabetes in people with impaired glucose tolerance: the STOP-NIDDM trial
Notice bibliographique
Résumé
The STOP-NIDDM trial was an international, double-blind, placebo-controlled randomised study in people with impaired glucose tolerance (IGT). They were treated with an alpha-glucosidase inhibitor, acarbose, to prevent diabetes; the overall number needed to treat (NNT) was 11. In a secondary analysis, we considered the impact of single traits and overall metabolic syndrome (MetS) respectively on risk of diabetes and NNT respectively. In all, there were 1,368 patients. They were followed up for 3.3 years, and the prevalence of MetS was 61%. Multivariate analysis revealed treatment group 2-hour (post-challenge) plasma glucose, glycosylated haemoglobin (HbA1C), triglycerides and leukocyte count as independent predictors. The annual incidence of diabetes in the placebo group with MetS was 18.7% vs. 11.2% in patients without MetS; the corresponding figures in the acarbose group were 13.5% and 9.4%, respectively. The NNT in patients was 5.8 in patients with MetS and 16.5 in those without MetS. In conclusion, most single traits and overall MetS label a very high-risk group in people with IGT. People with MetS reach a NNT to prevent development of new diabetes with acarbose of 5.8.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».