The TrialNet Natural History Study of the Development of Type 1 Diabetes:objectives, design, and initial results
Notice bibliographique
Résumé
ABSTRACT Objectives: TrialNet's goal to test preventions for type 1 diabetes has created an opportunity to gain new insights into the natural history of pre-type 1 diabetes. The TrialNet Natural History Study (NHS) will assess the predictive value of existing and novel risk markers for type 1 diabetes and will find subjects for prevention trials. Research design and methods: The NHS is a three-phase, prospective cohort study. In phase 1 (screening), pancreatic autoantibodies (glutamic acid decarboxylase, insulin, ICA-512, and islet cell antibodies) are measured. Phase 2 (baseline risk assessment) includes oral glucose tolerance tests (OGTTs) in antibody-positive subjects and estimation of 5-yr diabetes risks according to the OGTT and number of confirmed positive antibody tests. Phase 3 (follow-up risk assessments) requires OGTTs every 6 months. In phases 2 and 3, samples are collected for future tests of T-lymphocyte function, autoantibody isotypes, RNA gene expression, and proteomics. The primary outcome is diabetes onset. Results: Of 12 636 relatives screened between March 2004 and December 2006, 605 (4.8%) were positive for at least one biochemical antibody. Of these, 322 were confirmed antibody positive and completed phase 2, of whom 296 subjects were given preliminary 5-yr diabetes risks of
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 | 0,010 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,007 | 0,001 |
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.
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 ».