Screening of postpartum diabetes in women with gestational diabetes: high-risk subgroups and areas for improvements—the STRONG observational study
Notice bibliographique
Résumé
Abstract Aims To assess the proportion of women with gestational diabetes (GDM) by performing postpartum Oral Glucose Tolerance Test (OGTT) and to identify GDM phenotypes at high-risk of postpartum dysglycemia (PPD). Methods Observational, retrospective, multicenter study involving consecutive GDM women. Recursive partitioning (RECPAM) analysis was used to identify distinct and homogeneous subgroups of women at different PPD risk. Results From a sample of 2,736 women, OGTT was performed in 941 (34.4%) women, of whom 217 (23.0%) developed PPD. Insulin-treated women having family history of diabetes represented the subgroup with the highest PPD risk (OR 5.57, 95% CI 3.60–8.63) compared to the reference class (women on diet with pre-pregnancy BMI < = 28.1 kg/m 2 ). Insulin-treated women without family diabetes history and women on diet with pre-pregnancy BMI > 28.1 kg/m 2 showed a two-fold PPD risk. Previous GDM and socioeconomic status represent additional predictors. Fasting more than post-prandial glycemia plays a predictive role, with values of 81–87 mg/dl (4.5–4.8 mmol/l) (lower than the current diagnostic GDM threshold) being associated with PPD risk. Conclusions Increasing compliance to postpartum OGTT to prevent/delay PPD is a priority. Easily available characteristics identify subgroups of women more likely to benefit from preventive strategies. Fasting BG values during pregnancy lower than those usually considered deserve attention.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».