1336-P: Predicting the Progression of Stages of Neuropathy Using Routine Eye and Kidney Tests—An Application of Novel Statistical Methods in the Diabetes Control and Complications Trial (DCCT)
Notice bibliographique
Résumé
Despite recent advances, neuropathy screening is not consistently performed in clinical practice. We aimed to determine if neuropathy risk could be predicted using the trajectories of routinely-performed eye and kidney screening tests in T1D. We used 28-year data from the DCCT/EDIC study, available via the NIH public repository. We used the Early Treatment Diabetic Retinopathy Study Research (ETDRS) Group 23-point scale, albumin excretion rate (AER), and eGFR treated as longitudinal outcomes. Simultaneously, we represented neuropathy as a 3-state progressive multistate outcome using nerve conduction studies and the Michigan Neuropathy Screening Instrument (MNSI) for early-stage neuropathy and the occurrence of serious foot ulcer or amputation for late-stage neuropathy. To model these interrelated disease processes, we used and developed joint models with multistate submodels. Our “joint multistate model” accounted for interval censoring: due to the visit schedule, the exact time of transition to early-stage neuropathy was known only to occur in between consecutive visits. A Bayesian estimation procedure was used. We found that the risk of transition from no to early-stage neuropathy was affected by the current value of ETDRS, the current slope of ETDRS, and the current value of AER. For example, controlling for all covariates including eGFR, the there was a 23% higher rate of occurrence of this early-stage for a 3-step higher ETDRS scale. In the same model controlling for all covariates, progression from early-stage to late-stage neuropathy was affected mainly by AER (11% higher rate for a doubling of AER). Routinely-performed clinical eye and kidney test results can be leveraged to help identify the risk of neuropathy. Future work will develop dynamic predictions integrated into an electronic medical record. Disclosure L.Lovblom: None. L.Briollais: None. G.Tomlinson: None. B.A.Perkins: Advisory Panel; Dexcom, Inc., Insulet Corporation, Novo Nordisk, Sanofi, Vertex Pharmaceuticals Incorporated, Other Relationship; Abbott, Medtronic, Sanofi, Research Support; Novo Nordisk, Bank of Montreal (BMO).
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 | 0,024 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».