First Trimester Plasma MicroRNA Levels Predict Risk of Developing Gestational Diabetes Mellitus
Notice bibliographique
Résumé
Aims: Our objective is to identify first-trimester plasmatic miRNAs associated with and predictive of GDM. Methods: We quantified miRNA using next-generation sequencing in discovery (Gen3G: n = 443/GDM = 56) and replication (3D: n = 139/GDM = 76) cohorts. We have diagnosed GDM using a 75-g oral glucose tolerance test and the IADPSG criteria. We applied stepwise logistic regression analysis among replicated miRNAs to build prediction models. Results: We identified 17 miRNAs associated with GDM development in both cohorts. The prediction performance of hsa-miR-517a-3p|hsa-miR-517b-3p, hsa-miR-218-5p, and hsa-let7a-3p was slightly better than GDM classic risk factors (age, BMI, familial history of type 2 diabetes, history of GDM or macrosomia, and HbA1c) (AUC 0.78 vs. 0.75). MiRNAs and GDM classic risk factors together further improved the prediction values [AUC 0.84 (95% CI 0.73-0.94)]. These results were replicated in 3D, although weaker predictive values were obtained. We suggest very low and higher risk GDM thresholds, which could be used to identify women who could do without a diagnostic test for GDM and women most likely to benefit from an early GDM prevention program. Conclusions: In summary, three miRNAs combined with classic GDM risk factors provide excellent prediction values, potentially strong enough to improve early detection and prevention of GDM.
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 | 0,001 | 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 ».