Defining and Using Preoperative Predictors of Diabetic Remission Following Bariatric Surgery
Notice bibliographique
Résumé
BACKGROUND: Diabetes remission is defined as the return of glycemic control in the absence of medication or insulin use after bariatric surgery. We sought to identify and assess the clinical utility of a predictive model for remission of type 2 diabetes mellitus in a population seeking bariatric surgery. METHOD: A retrospective cohort design was applied to presurgical data on patients referred for Roux-en-Y gastric bypass (RYGB) or vertical sleeve gastrectomy (VSG). The model developed from logistic regression was compared with a published model through receiver operating characteristic analyses. RESULTS: At 12 months postoperatively, 59.7% of the cohort was remitted, with no differences between RYGB and VSG. Logistic regression analyses yielded a model in which 4 preoperative variables reliably predicted remission. A Hosmer-Lemeshow goodness-of-fit test result of 0.204 indicated good fit of the developed prediction model to our outcome data. The predictive accuracy of this prediction model was compared with a published model, and an associated variation with diabetes years was substituted for age in our patient population. Our model was the most accurate. CONCLUSIONS: Using these predictors, healthcare providers may be able to better counsel patients who are living with diabetes and considering bariatric surgery on the likelihood of achieving remission from the intervention. This refined prediction model requires further testing in a larger sample to evaluate its external validity.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».