MétaCan
Menu
← Retour à la cohorte
Enregistrement W6902135848 · doi:10.6084/m9.figshare.21789185.v1

Protein-protein interactions and novel biomarkers of prediabets

2023· article· en· W6902135848 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes, Cardiovascular Risks, and Lipoproteins
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrediabetesDiabetes mellitusDiseaseImpaired glucose tolerancePopulationType 2 diabetesIncidence (geometry)

Résumé

récupéré en direct d'OpenAlex

Prediabetes is a state of hyperglycemia which does not meet the diagnostic levels of diabetes. More than half of the patients with prediabetes go on to develop diabetes and its’ complications. Understanding clearly prediabetes could aid in earlier detection of disease, earlier treatment and better prevention strategies. Worldwide, the incidence and prevalence of diabetes is exponentially rising and could be considered a silent pandemic. Similarly, in Canada, the population and healthcare burden are increasing. This review aims to identify potential novel biomarkers of prediabetes by analyzing protein-protein interactions. Prediabetes is defined as impaired fasting glucose (IFG), impaired glucose tolerance (IGT) or a glycated haemoglobin A1C of 6% to 6.4%[1]. Each of these places individuals at risk for developing diabetes and its’ complications. In Canada, there are 11.2 million people living with diabetes or prediabetes ( 30% of the population), reflecting a steady and continued increase of the disease within our population and a projected rise in diabetes by 27 % in the next ten years. Those diagnosed with prediabetes have a 50 % chance of developing diabetes. A condition with a myriad of complications, the burden of diabetes results in a reduction of an individuals’ lifespan by 5 to 15 years and a three-fold increase in diabetes related hospitalisations for cardiovascular disease, twelve times more likely for end-stage renal disease and twenty times more likely for non-traumatic lower limb amputations. Additionally, in 2022 diabetes is responsible for 3.8 billion dollars health care costs. Given the disease burden, understanding novel pathways and potential targets for therapy is of paramount importance, beginning with the precursor prediabetes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,276
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetDiabetes, Cardiovascular Risks, and Lipoproteins→Travaux en français237 207→