Serum Ferritin Combined with Glycated Hemoglobin for Early Prediction of Gestational Diabetes Mellitus: A Retrospective Cohort Study
Notice bibliographique
Résumé
Objective To investigate the value of serum ferritin (SF) in conjunction with glycated hemoglobin (HbA1c) for the early prediction of gestational diabetes mellitus (GDM) and to provide insights that could enhance health care standards for women and newborns. Methods A retrospective cohort study was conducted involving 650 pregnant women who received regular prenatal check-ups at our institution from January 2019 to April 2024. Participants were categorized into four groups based on their SF concentration quartiles during the 11th to 13th weeks of gestation. Logistic regression analyses were conducted to assess the predictive value of early GDM risk factors, with the lowest quartile group serving as a reference. Results The incidence rate of GDM rose progressively with increasing SF concentrations at 11–13 weeks of gestation, with rates of 18.79%, 21.25%, 24.38%, and 25.45% respectively. Notably, the incidence rate in the highest quartile group (quartile 4) was significantly higher compared to the lowest (quartile 1), with an odds ratio of 1.48 and a 95% confidence interval of 1.12 to 1.93. Additionally, the predictive model incorporating both SF concentration and HbA1c (Model 2) outperformed the model with SF alone (Model 1), indicating a heightened predictive accuracy for GDM when these two biomarkers are used in combination. Conclusion The findings of this study highlight the potential utility of SF and HbA1c as early predictors of GDM risk, especially when employed in combination.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».