Prediction Models for Celiac Disease Development in Children From High-Risk Families: Data From the PreventCD Cohort
Notice bibliographique
Résumé
BACKGROUND & AIMS: Screening for celiac disease (CD) is recommended in children with affected first-degree relatives (FDR). However, the frequency of screening and at what age remain unknown. The aims of this study were to detect variables influencing the risk of CD development and develop and validate clinical prediction models to provide individualized screening advice. METHODS: We analyzed prospective data from the 10 years of follow-up of the PreventCD-birth cohort involving 944 genetically predisposed children with CD-FDR. Variables significantly influencing the CD risk were combined to determine a risk score. Landmark analyses were performed at different ages. Prediction models were created using multivariable Cox proportional hazards regression analyses, backward elimination, and Harrell's c-index for discrimination. Validation was done using data from the independent NeoCel cohort. RESULTS: In March 2019, the median follow-up was 8.3 years (22 days-12.0 years); 135/944 children developed CD (mean age, 4.3 years [range, 1.1-11.4]). CD developed significantly more often in girls (P = .005) and in Human Leukocyte Antigen (HLA)-DQ2 homozygous individuals (8-year cumulative incidence rate of 35.4% vs maximum of the other HLA-risk groups 18.2% [P < .001]). The effect of homozygosity DR3-DQ2/DR7-DQ2 on CD development was only present in girls (interaction P = .04). The prediction models showed good fit in the validation cohort (Cox regression 0.81 [0.54]). To calculate a personalized risk of CD development and provide screening advice, we designed the Prediction application https://hputter.shinyapps.io/preventcd/. CONCLUSION: Children with CD-FDR develop CD early in life, and their risk depends on gender, age and HLA-DQ, which are all factors that are important for sound screening advice. These children should be screened early in life, including HLA-DQ2/8-typing, and if genetically predisposed to CD, they should get further personalized screening advice using our Prediction application. TRIAL REGISTRATION NUMBER: ISRCTN74582487 (https://www.isrctn.com/search?q=ISRCTN74582487).
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 | 0,000 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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 ».