Prediction Model for Polyneuropathy in Recent‐Onset Diabetes Based on Serum Neurofilament Light Chain, Fibroblast Growth Factor‐19 and Standard Anthropometric and Clinical Variables
Notice bibliographique
Résumé
BACKGROUND: Diabetic sensorimotor polyneuropathy (DSPN) is often asymptomatic and remains undiagnosed. The ability of clinical and anthropometric variables to identify individuals likely to have DSPN might be limited. Here, we aimed to integrate protein biomarkers for reliably predicting present DSPN. METHODS: Using the proximity extension assay, we measured 135 neurological and protein biomarkers of inflammation in blood samples of 423 individuals with recent-onset diabetes from the German Diabetes Study (GDS). DSPN was diagnosed based on the Toronto Consensus Criteria. We constructed (i) a protein-based prediction model using LASSO logistic regression, (ii) an optimised traditional risk model with age, sex, waist circumference, height and diabetes type and (iii) a model combining both. All models were bootstrapped to assess the robustness, and optimism-corrected AUCs (95% CI) were reported. RESULTS: DSPN was present in 16% of the study population. LASSO logistic regression selected the neurofilament light chain (NFL) and fibroblast growth factor-19 (FGF-19) as the most predictive protein biomarkers for detecting DSPN in individuals with recent-onset diabetes. The protein-based model achieved an AUC of 0.66 (0.59, 0.73), while the traditional risk model had an AUC of 0.66 (0.61, 0.74). However, combined features boosted the model performance to an AUC of 0.72 (0.67, 0.79). CONCLUSION: We developed a prediction model for DSPN in recent-onset diabetes based on two protein biomarkers and five standard anthropometric, demographic and clinical variables. The model has a fair discrimination performance and might be used to inform the referral of patients for further testing.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».