The development and validation of a multivariable prognostic model to predict foot ulceration in diabetes using a systematic review and individual patient data meta‐analyses
Notice bibliographique
Résumé
AIMS: Diabetes guidelines recommend screening for the risk of foot ulceration but vary substantially in the underlying evidence base. Our purpose was to derive and validate a prognostic model of independent risk factors for foot ulceration in diabetes using all available individual patient data from cohort studies conducted worldwide. METHODS: We conducted a systematic review and meta-analysis of individual patient data from 10 cohort studies of risk factors in the prediction of foot ulceration in diabetes. Predictors were selected for plausibility, availability and low heterogeneity. Logistic regression produced adjusted odds ratios (ORs) for foot ulceration by ulceration history, monofilament insensitivity, any absent pedal pulse, age, sex and diabetes duration. RESULTS: The 10 studies contained data from 16 385 participants. A history of foot ulceration produced the largest OR [6.59 (95% CI 2.49 to 17.45)], insensitivity to a 10 g monofilament [3.18 (95% CI 2.65 to 3.82)] and any absent pedal pulse [1.97 (95% CI 1.62 to 2.39)] were consistently, independently predictive. Combining three predictors produced sensitivities between 90.0% (95% CI 69.9% to 97.2%) and 95.3% (95% CI 84.5% to 98.7%); the corresponding specificities were between 12.1% (95% CI 8.2% to 17.3%) and 63.9% (95% CI 61.1% to 66.6%). CONCLUSIONS: This prognostic model of only three risk factors, a history of foot ulceration, an inability to feel a 10 g monofilament and the absence of any pedal pulse, compares favourably with more complex approaches to foot risk assessment recommended in clinical diabetes guidelines.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».