MétaCan
Menu
Retour à la cohorte
Enregistrement W2885436053 · doi:10.24095/hpcdp.38.7/8.03f

Efficacité de l’outil CANRISK pour détecter la dysglycémie au sein d’une population d’origine sud-asiatique au Canada

2018· article· fr· W2885436053 sur OpenAlexaffvenueabout
Gina Agarwal, Ying Jiang, Chantal Lemieux, Susan Rogers Van Katwyk, Yang Mao, Heather Orpana, Maylene Fong, Howard Morrison

Notice bibliographique

RevuePromotion de la santé et prévention des maladies chroniques au Canada · 2018
Typearticle
Languefr
DomaineMedicine
ThématiqueDiabetes, Cardiovascular Risks, and Lipoproteins
Établissements canadiensVancouver Coastal HealthOttawa Public HealthUniversity of OttawaPublic Health Agency of CanadaMcMaster University
Organismes subventionnairesMinistère de la Santé
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Introduction Les personnes d’origine sud-asiatique présentent un risque supérieur à la moyenne de développer un diabète de type 2. Nous avons vérifié l’efficacité de CANRISK, un outil d’évaluation du risque de diabète, en examinant sa sensibilité et sa spécificité en fonction de deux seuils de cotation différents prédéfinis et en comparant les participants de 40 ans et plus et ceux de moins de 40 ans. Nous avons examiné la valeur prédictive d’un modèle fondé sur les variables de CANRISK en comparant des seuils ethnospécifiques de l’indice de masse corporelle (IMC) et du tour de taille (TT) avec les seuils originaux d’IMC et de TT, afin de voir l'on pouvait améliorer cette valeur prédictive au sein de cette population. Méthodologie On a recruté, dans diverses communautés et divers centres de santé de sept provinces, des Canadiens d’origine sud-asiatique âgés de 18 à 78 ans dont l’état diabétique était inconnu. On a recueilli les données de CANRISK puis réalisé une épreuve d’hyperglycémie provoquée par voie orale. On a procédé à une analyse descriptive, à une régression logistique incluant des seuils ethnospécifiques d’IMC et de TT et à des analyses de sensibilité et de spécificité. Résultats On a recruté 832 participants (dont 584 de moins de 40 ans). Sur l'ensemble de l'échantillon, les modèles de régression logistique fondés sur les données de CANRISK ont prédit la dysglycémie de manière efficace (aire sous la courbe [ASC] de 0,80). En revanche, en utilisant différents seuils d’IMC et de TT avec l’algorithme de cotation, la valeur prédictive fondée sur l’ASC ne s’est pas améliorée. La sensibilité et la spécificité de CANRISK avec le seuil prédéterminé « risque élevé » original à 33 points étaient de respectivement 93 % et 35 % chez les 40 ans ou plus et de respectivement 33 % et 92 % chez les moins de 40 ans. L’utilisation du seuil prédéterminé « risque modéré » à 21 points a permis d’améliorer la sensibilité à 77 % et la spécificité à 53 % au sein du groupe d’âge plus jeune. Conclusion Le questionnaire actuel CANRISK est un outil d’évaluation du risque adéquat pour la dysglycémie chez les Canadiens d’origine sud-asiatique âgés de 40 ans et plus, mais il ne fonctionne pas aussi bien pour les moins de 40 ans. Utiliser un seuil plus faible à 21 points est pertinent chez les plus jeunes afin de diminuer les faux négatifs. Les seuils d’IMC et de TT fondés sur l’origine ethnique n’ont pas permis d’améliorer la valeur prédictive de l’algorithme de cotation de CANRISK que mesure l’ASC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,283
Score d'incertitude au seuil0,570

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,282
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePromotion de la santé et prévention des maladies chroniques au CanadaMême sujetDiabetes, Cardiovascular Risks, and LipoproteinsTravaux en français237 207