Assessing the test–retest repeatability of insulin resistance measures: Homeostasis model assessment 2 and oral glucose insulin sensitivity
Notice bibliographique
Résumé
Background: Insulin resistance is commonly assessed using the homeostasis model assessment (HOMA) variants. HOMA is potentially insensitive to change because of its high coefficient of variation. The repeatability coefficient is an alternative means of assessing test repeatability. To be confident of clinical change, rather than biological variation, a subsequent test needs to differ from the former by more than the repeatability coefficient using the equation.Test 1 = Test 2 ± repeatability coefficient.The repeatability coefficients for measures of insulin resistance are unknown.Aim: To compare the repeatability coefficient of HOMA2 variants (Beta-cell function [%B], insulin sensitivity [%S], insulin resistance [IR]) to a dynamic measure of insulin resistance, and the oral glucose insulin sensitivity (OGIS) test.Setting: The raw data from a previously used data set were reanalysed.Methods: Glycaemic and insulinaemic tests were performed on 32 men and women both with (n = 10) and without type 2 diabetes (n = 22). From these data, eight fasting tests and three 50-g oral glucose tolerance tests were used to calculate HOMA2 and OGIS. The methods of Bland and Altman assessed repeatability.Results: Repeatability coefficients for all participants for the HOMA2 %B, %S and IR variants were 72.91, 189.75 and 0.9, which equates to 89%, 135% and 89% of their respective grand means. By contrast, OGIS had a repeatability coefficient of 87.13, which equates to 21% of the grand mean.Conclusion: Because of the high repeatability coefficient relative to the grand mean, use of HOMA2 measures for assessing insulin resistance in small population studies should be reconsidered.
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 | 0,017 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».