Effectiveness of the CANRISK tool in the identification of dysglycemia in a Canadian South Asian Population
Notice bibliographique
Résumé
INTRODUCTION: South Asians have a higher than average risk of developing type 2 diabetes. We ascertained the effectiveness of CANRISK, an existing diabetes risk assessment tool, examining its sensitivity and specificity at two different predetermined scoring cut-off points comparing those participants under the age of 40 and those 40 and over. We examined the predictive ability of a model based on CANRISK variables, comparing ethno-specific body mass index (BMI) and waist circumference (WC) cut-off points with the original BMI and WC cut-off points to see if predictive ability could be improved for this population. METHODS: Canadian South Asians of unknown diabetes status, age 18 to 78, were recruited across seven provinces from various community or health centers. CANRISK variables were collected followed by oral glucose tolerance testing. Descriptive analysis, logistic regression including alternative ethno-specific BMI and WC cut-off points, and sensitivity and specificity analyses were performed. RESULTS: 832 participants were recruited (584 under age 40). Using the entire study sample, logistic regression models including CANRISK variables predicted dysglycemia effectively (AUC of 0.80). However, by using alternative BMI/WC cut-off points with the scoring algorithm, predictive power via AUC was not improved. Sensitivity and specificity of CANRISK using the original pre-determined "high risk" cut-off point of 33 points in individuals age 40 years or over were 93% and 35%, respectively; in individuals under 40, these were 33% and 92%, respectively. Using the lower pre-determined "moderate risk" cut-off point of 21 points improved the sensitivity to 77% and specificity to 53% in the younger age group. CONCLUSION: The existing CANRISK is an adequate risk assessment tool for dysglycemia in Canadian South Asians for those age 40 years and over; however, the tool does not work as well for individuals under 40. The lower cut-off of 21 points may be warranted for younger individuals to minimize false negatives. Ethno-specific BMI/WC cutoff points did not improve predictive ability of the CANRISK scoring algorithm as measured by AUC.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».