Predicting Conversion to Insulin Sensitivity With Metformin
Notice bibliographique
Résumé
BACKGROUND: Insulin resistance (IR) changes the trajectory of responsive bipolar disorder to a treatment-resistant course. A clinical trial conducted by our group demonstrated that IR reversal by metformin improved clinical and functional outcomes in treatment-resistant bipolar depression (TRBD). To aid clinicians identify which metformin-treated TRBD patients might reverse IR, and given strong external evidence for their association with IR, we developed a predictive tool using body mass index (BMI) and homeostatic model assessment-insulin resistance (HOMA-IR). METHODS: The predictive performance of baseline BMI and HOMA-IR was tested with a logistic regression model using known metrics: area under the receiver operating curve, sensitivity, and specificity. In view of the high benefit to low risk of metformin in reversing IR, high sensitivity was favored over specificity. RESULTS: In this BMI and HOMA-IR model for IR reversal, the area under the receiver operating curve is 0.79. At a cutoff probability of conversion of 0.17, the model's sensitivity is 91% (95% confidence interval [CI], 57%-99%), and the specificity is 56% (95% CI, 36%-73%). For each unit increase in BMI or HOMA-IR, there is a 15% (OR, 0.85; 95% CI, 0.71-0.99) or 43% (OR, 0.57; CI, 0.18-1.36) decrease in the odds of conversion, respectively. CONCLUSIONS: In individuals with TRBD, this tool using BMI and HOMA-IR predicts IR reversal with metformin with high sensitivity. Furthermore, these data suggest early intervention with metformin at lower BMI, and HOMA-IR would likely reverse IR in TRBD.
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 | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».