Abstract P120: Latent Group Trajectory Methods To Study Type 2 Diabetes Epidemiology: A Review Of The Literature
Notice bibliographique
Résumé
Introduction: The progression of type 2 diabetes (T2D) is unique to each patient and can be depicted through individual temporal trajectories. Latent group trajectory methods (latent growth mixture models [LGMM] or latent class growth analysis [LCGA]) can be used to classify similar individual trajectories in a priori non-observed groups (latent groups), sharing common characteristics. Although increasingly used in the field of T2D epidemiology, many questions remain regarding the utilization of these methods. Objective: To review the literature of longitudinal studies using latent group trajectory methods among individuals with T2D. Methods: MEDLINE (Ovid), EMBASE, CINAHL and Web of Science were searched through August 25 th , 2021. Data were collected on the type of method used (LGMM or LGCA), characteristics of studies and quality of reporting using the GRoLTS-Checklist. Results: From the 4,694 citations screened, a total of 38 studies were included. The studies were published between 2010 and 2021. Total follow-ups ranged from 8 weeks to 11 years, with 95% (36 out of 38) studies with a follow-up of 1 year of more. The characteristics of studies are presented in Table 1. Regarding the quality of reporting, trajectory groups were adequately presented, however many studies failed to report important decisions made for the trajectory group identification. Many studies considered trajectory groups as exposures to a subsequent outcome. Yet, issues in relation with selection bias, immortal bias and residual confounding were suspected and poorly addressed. Conclusions: Although LCGA were preferred, the context of utilization, data sources and research questions were diverse and unrelated to the type of method used. We recommend authors to clearly report the decisions made in trajectory groups identification.
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 | 0,017 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,034 | 0,034 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».