Development and Validation of a Diabetes Risk Prediction Model With Individualized Preventive Intervention Effects
Notice bibliographique
Résumé
OBJECTIVE: Type 2 diabetes risk prediction models lack the option to predict risk conditional on initiating different preventive interventions. Our objective was to develop and validate a diabetes risk prediction model with individualized preventive intervention effects among racially diverse populations. METHODS: The derivation cohort included participants in the Diabetes Prevention Program (DPP) trial randomized to placebo, metformin, or intensive lifestyle intervention (n = 2640). A risk prediction model for incident diabetes was developed using Cox proportional hazards regression using clinically available predictors: sex, glycated hemoglobin, fasting plasma glucose (FPG), body mass index (BMI), triglycerides, and intervention. To create individualized intervention effects, pairwise interactions between intervention and age, FPG, and BMI were included. The discrimination, calibration, and net benefit of the model's 3-year predictions for incident diabetes were internally validated within the DPP and externally validated among participants with prediabetes in the Multi-Ethnic Study of Atherosclerosis (MESA; n = 2104). RESULTS: In DPP and MESA, mean (SD) age was 51 years (11) and 64 (10), and 67% and 50% of participants were women, respectively. The mean C-statistic was 0.71 [95% confidence interval (CI): 0.68, 0.74] in DPP and 0.86 (95% CI: 0.83, 0.88) in MESA. The optimal preventive intervention (lowest 3-year risk) was lifestyle for 86% and 97% of DPP and MESA participants, respectively, and metformin for the remaining. Model performance was similar across race/ethnicity groups. CONCLUSION: This is the first study to develop and validate a diabetes risk prediction model with individualized preventive intervention effects that may improve clinical decision-making and diabetes prevention.
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 | 0,014 | 0,027 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».