Development and validation of an early pregnancy risk score for the prediction of gestational diabetes mellitus in Chinese pregnant women
Notice bibliographique
Résumé
OBJECTIVE: To develop and validate a set of risk scores for the prediction of gestational diabetes mellitus (GDM) before the 15th gestational week using an established population-based prospective cohort. METHODS: From October 2010 to August 2012, 19 331 eligible pregnant women were registered in the three-tiered antenatal care network in Tianjin, China, to receive their antenatal care and a two-step GDM screening. The whole dataset was randomly divided into a training dataset (for development of the risk score) and a test dataset (for validation of performance of the risk score). Logistic regression was performed to obtain coefficients of selected predictors for GDM in the training dataset. Calibration was estimated using Hosmer-Lemeshow test, while discrimination was checked using area under the receiver operating characteristic curve (AUC) in the test dataset. RESULTS: In the training dataset (total=12 887, GDM=979 or 7.6%), two risk scores were developed, one only including predictors collected at the first antenatal care visit for early prediction of GDM, like maternal age, body mass index, height, family history of diabetes, systolic blood pressure, and alanine aminotransferase; and the other also including predictors collected during pregnancy, that is, at the time of GDM screening, like physical activity, sitting time at home, passive smoking, and weight gain, for maximum performance. In the test dataset (total=6444, GDM=506 or 7.9%), the calibrations of both risk scores were acceptable (both p for Hosmer-Lemeshow test >0.25). The AUCs of the first and second risk scores were 0.710 (95% CI: 0.680 to 0.741) and 0.712 (95% CI: 0.682 to 0.743), respectively (p for difference: 0.9273). CONCLUSION: Both developed risk scores had adequate performance for the prediction of GDM in Chinese pregnant women in Tianjin, China. Further validations are needed to evaluate their performance in other populations and using different methods to identify GDM cases.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».