Development and Validation of a Primary Care Tool to Identify Patients With Type 2 Diabetes Mellitus at High Risk of Hypoglycemia-Related Inpatient Admissions
Notice bibliographique
Résumé
Background: Hypoglycemia inpatient admissions are costly and potentially preventable. Using established risk factors for hypoglycemia, we set out to develop a risk-scoring tool using the data from an Asian population. Methods: In this historical cohort study, we extracted the data of 47,404 type 2 diabetes mellitus (T2DM) patients with complete data based on their last visit in 2012 at selected National Healthcare Group Polyclinics in Singapore. The outcome variable is the occurrence of any hypoglycemia inpatient admission within 6 months from their last visit in 2012. We entered the following potential predictors into a logistic regression model: 1) Age; 2) Largest reduction in glycated hemoglobin within 1 year; 3) Last body mass index; 4) Last estimated glomerular filtration rate; 5) Usage of sulphonylurea and/or insulin; 6) Last glycated hemoglobin; 7) Any previous hypoglycemia inpatient admission in the past 1 year. The relative weightage of predictors were compared, and the model parameters were subsequently converted to a simple risk score (range: 0 to 100). Results: We found predictors 1 to 5 to be statistically significant for subsequent hypoglycemia inpatient admission. In our study population, based on a sensitivity of 73.8% and a specificity of 73.1%, a cut-off score of 38 was selected. The area under the receiver-operating characteristic curve was 0.809 (CI: 0.763 - 0.855). Conclusions: A risk score using commonly available clinical data can help to identify those at risk of hypoglycemia inpatient admission with satisfactory level of accuracy. This score needs to be further validated with randomized controlled studies. J Endocrinol Metab. 2019;9(3):43-50 doi: https://doi.org/10.14740/jem563
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 | 0,016 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».