Development of Autoantibodies in the TrialNet Natural History Study
Notice bibliographique
Résumé
OBJECTIVE: Understanding the relationship between age and islet autoantibody (Ab) seroconversion can establish the optimal screening interval(s) to assess risk for type 1 diabetes, identify subjects who can participate in prevention trials, and determine associated costs. This study assessed the rates of seroconversion to glutamic acid decarboxylase positive (GAD65(+)), insulin positive (mIAA(+)), and insulinoma-associated protein 2 positive (ICA512(+)) in a large cohort of relatives of type 1 diabetes probands undergoing Ab rescreening in the TrialNet Natural History Study. RESEARCH DESIGN AND METHODS: Of 32,845 children aged <18 years screened for Abs, 1,287 (3.9%) were GAD65(+), 778 (2.4%) were mIAA(+), 677 (2.1%) were ICA512(+), and 31,038 were Ab-negative. Ab-negative children were offered annual rescreening up to 18 years of age. Cox regression was used to estimate the risk for GAD65, mIAA, and ICA512 seroconversion. RESULTS There were 205 children who seroconverted to GAD65(+), 155 who seroconverted to mIAA(+), and 53 who seroconverted to ICA512(+) over 5.8 years of follow-up. The risk of mIAA (hazard ratio 0.89 [95% CI 0.85-0.92]) and GAD65 (0.96 [0.93-0.99]) seroconversion significantly decreased with increasing age (i.e., for each 1-year increase in age, the risk of seroconversion decreased by 11% [P < 0.0001] for mIAA and 4% [P = 0.04] for GAD65) across all ages. The cumulative Ab seroconversion was 2% for those <10 years of age versus 0.7% for those ≥10 years of age. CONCLUSIONS: The risk of development of islet Abs declines with increasing age in type 1 diabetes relatives. These data support annual screening for children <10 years of age and one additional screening in adolescence.
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 ».