Longitudinal analysis of serum urate in prediabetic phase
Notice bibliographique
Résumé
OBJECTIVES: Despite the well-established association between prediabetes and hyperuricaemia, knowledge about serum urate (SU) trends during the prediabetic phase is limited. Therefore, we aimed to assess the longitudinal changes of SU in individuals with prediabetes. METHODS: Individuals with prediabetes, defined by initial haemoglobin A1c (HbA1c) levels between 5.7% and 6.4%, were identified using electronic health records from an academic health system (2007-2022). We required at least one SU test before and after the prediabetes diagnosis. The primary outcome was the longitudinal SU trends during the follow-up period, estimated with a multivariable mixed-effects model. Patients were censored at diabetes onset. Marginal effects of covariates on SU changes were estimated. Subsequent analyses examined SU variations in subgroups stratified by age, sex, BMI, HbA1c, estimated glomerular filtration rate and metformin use. RESULTS: Out of 25 526 individuals with prediabetes, 1521 met the SU cohort requirements, contributing to 6832 SU observations. At baseline, median age was 63 years and 40% were female. Median values were SU 6.3 mg/dl, HbA1c 5.9% and BMI 30 kg/m2. Median follow-up was 7.4 years. Older age, male sex, greater BMI and higher HbA1c were significant predictors of increased longitudinal SU levels. Individuals with a BMI ≥30 kg/m2 exhibited higher SU levels compared with those with lower BMI values. CONCLUSION: Among individuals with prediabetes, several baseline variables were significant predictors of increased SU levels over time. These longitudinal trends in SU, support the potential for early intervention during the prediabetic phase, possibly reducing the risk of gout.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».