MétaCan
Menu
Retour à la cohorte
Enregistrement W2948230457 · doi:10.2337/db19-1403-p

1403-P: Functional Data Analysis Reveals Differences in Temporal Glucose Profiles Associated with Large for Gestational Age: A Secondary Analysis of the CONCEPTT Study

2019· article· en· W2948230457 sur OpenAlexaboutno aff
Eleanor Scott, Helen R. Murphy, Denice S. Feig, Graham R. Law

Notice bibliographique

RevueDiabetes · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueGestational Diabetes Research and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlycemicMedicinePercentileGestational ageGestationBirth weightObstetricsPregnancyContinuous glucose monitoringFetusDiabetes mellitusPediatricsEndocrinology

Résumé

récupéré en direct d'OpenAlex

Background: Continuous glucose monitoring (CGM) provides far greater detail about fetal exposure to maternal glucose across the 24 hour day, but recommended summary statistics give no dynamic information about the glucose profile across 24 hours. Aim: To examine whether differences in temporal glucose control occur in women with type 1 diabetes who develop large for gestational age infants (LGA). Research Design and Methods: CGM data was available from 200 pregnant women (100 CGM intervention; 100 controls) in the CONCEPTT study, at baseline, 24 and 34 weeks gestation. All women were being treated to tight glycemic targets (mean HbA1c 6.4% at 34 weeks gestation). Functional data analysis (FDA) was applied to determine differences in temporal glucose profiles. LGA was defined as birth weight ≥90th percentile adjusted for infant sex, gestational age, maternal BMI, ethnicity and parity. Results: 122/200 women had a LGA infant (61%). FDA revealed that those women who gave birth to a LGA infant ran a significantly higher glucose (by 9-14mg/dL; 0.5-0.8 mmol/l) for 16.5 hours of the day compared to those women who did not have a LGA infant (see fig). Conclusion: Women who go on to have LGA infants have significantly higher fetal exposure to glucose across the 24 hour day, despite being treated to tight glucose targets. Disclosure E.M. Scott: Advisory Panel; Self; Abbott. Speaker's Bureau; Self; Abbott, Eli Lilly and Company. H.R. Murphy: Advisory Panel; Self; Medtronic MiniMed, Inc. D. Feig: Advisory Panel; Self; Medtronic. Speaker's Bureau; Self; Medtronic. G. Law: None. Funding JDRF; Canadian Clinical Trials Network; National Institute for Health Research

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)0,006
score de la tête « metaresearch » (Gemma)0,019
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 enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,042
Tête enseignante GPT0,304
Écart entre enseignants0,262 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetGestational Diabetes Research and ManagementTravaux en français237 207