Importance of Recalibrating Models for Type 2 Diabetes Onset Prediction: Application of the Diabetes Population Risk Tool on the Health and Retirement Study
Notice bibliographique
Résumé
A timely prediction of type 2 diabetes (T2D) onset is important for early intervention to prevent, or at least postpone, its incidence. Several models to predict T2D onset according to individual risk factors were proposed. However, their practical applicability is limited by the fact that they often perform suboptimally when applied to a different population. A solution to overcome this limitation is model recalibration, which consists in updating the model parameters. The aim of this work is to demonstrate the benefits of T2D predictive model recalibration. For the purpose, we considered as case study the Diabetes Population Risk Tool (DPoRT), originally tuned for the Canadian population, and we applied it to data collected in older Americans in the Health and Retirement Study (HRS). A subset of 30,274 subjects was extracted from HRS and divided into a training (N=24,219) and a test set (N=6,055) stratifying for sex and diabetes incidence. The DPoRT was recalibrated by re-estimating all model coefficients on the training set, and then assessed on the test set by comparing the performance of recalibrated vs original model. Model discriminatory ability and calibration were assessed by the concordance index (C-index) and the expected to observed event probability ratio (E/O), respectively. Results show that the recalibrated DPoRT presents similar discriminatory ability to the original model, with C-index equal to 0.68 vs. 0.67 in men, 0.73 vs. 0.73 in women, and better calibration than the original model, with E/O ratio equal to 0.75 vs. 4.57 in men, 0.81 vs. 2.53 in women. Results confirm that recalibration is a key step to be performed before the application of predictive models to different populations in order to guarantee an accurate prediction of diabetes incidence.
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 | 0,026 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».