Random capillary blood glucose in the diagnosis of diabetes: a cross-sectional study in Bangladesh
Notice bibliographique
Résumé
OBJECTIVE: To assess the effectiveness of random capillary blood glucose as a diagnostic tool for type 2 diabetes and determine optimal cut-off values for adults in Bangladesh. DESIGN: Cross-sectional diagnostic accuracy study. SETTING: 16 diabetes centres were selected randomly from all eight administrative divisions of Bangladesh. PARTICIPANTS: A total of 3200 adults aged 18 years and older were recruited using systematic random sampling between May and September 2022. PRIMARY AND SECONDARY OUTCOME MEASURES: The primary outcome was the diagnostic accuracy of random capillary blood glucose compared to fasting plasma glucose, 2-hour plasma glucose after a 75-gram glucose load and glycated haemoglobin. Secondary outcomes included sensitivity, specificity, area under the curve and agreement with the other diagnostic tests. RESULTS: Random capillary blood glucose showed a strong positive correlation and high concordance with fasting plasma glucose, 2-hour plasma glucose and glycated haemoglobin. A cut-off value of ≥8.7 mmol/L demonstrated improved diagnostic performance compared with the currently used cut-off of ≥11.1 mmol/L. This new threshold yielded higher sensitivity, specificity, area under the curve and agreement with other standard diagnostic tests. Notably, hyperglycaemic symptoms were not required for diagnosis. The number needed to screen to identify one case of type 2 diabetes using the ≥8.7 mmol/L cut-off was 2.74, lower than that for fasting plasma glucose (2.86) and random capillary blood glucose ≥11.1 mmol/L (4.68). CONCLUSIONS: Random capillary blood glucose may be an effective and affordable diagnostic tool for type 2 diabetes in resource-limited settings. The proposed cut-off of ≥8.7 mmol/L offers improved diagnostic accuracy and reflects the population's glucose distribution pattern.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».