Development and recalibration of a multivariable type 1 diabetes prediction model for type 1 diabetes across multiple screening studies
Notice bibliographique
Résumé
BACKGROUND: Accurate type 1 diabetes prediction is important to facilitate screening for pre-clinical type 1 diabetes to enable potential early disease-modifying interventions and to reduce the risk of severe presentation with diabetic ketoacidosis. We aimed to assess the generalisability of a prediction model developed in children followed from birth. Additionally, we sought to create an application for easy calculation and visualisation of individualised risk prediction. METHODS: We developed and internally validated a stratified prediction model combining a genetic risk score, age, islet autoantibodies, and family history using data from children followed since birth by The Environmental Determinants of Diabetes in the Young (TEDDY) study. We tested the validity of the model through external validation in the Type 1 Diabetes TrialNet Pathway to Prevention study, which conducts cross-sectional screening in relatives of people with type 1 diabetes. We recalibrated the model by adjusting for baseline risk and selection criteria in TrialNet using logistic recalibration to improve calibration across all ages. RESULTS: The study included 7798 TEDDY and 4068 TrialNet participants, with 305 (4%) and 1373 (34%) developing type 1 diabetes, respectively. The stratified model showed similar discriminative ability in autoantibody-positive participants across TEDDY and TrialNet, but inferior calibration in TrialNet (Brier score 0.40 [95% CI 0.38,0.43]). Adjustment for baseline risk and selection criteria in TrialNet using logistic recalibration improved calibration across all ages (Brier score 0.16 [0.14,0.17]; p < 0.001). A web calculator was developed to visualise individual risk estimates ( https://t1dpredictor.diabetesgenes.org ). CONCLUSIONS: A stratified model incorporating the type 1 diabetes genetic risk score, family history, age, and autoantibody status can predict type 1 diabetes risk with improved accuracy, but may need recalibration depending on the screening strategy.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».