Évaluation du risque de dysglycémie dans la région de Kitikmeot (Nunavut) au moyen de l’outil CANRISK
Bibliographic record
Abstract
Introduction L’Agence de la santé publique du Canada a adapté un outil finlandais de dépistage du diabète (FINDRISC) dans le but de créer un outil, CANRISK, conçu sur mesure pour la population multiethnique du Canada. Cet outil a été élaboré à partir de données recueillies dans sept provinces canadiennes. Dans le but d’élargir son applicabilité aux populations des territoires nordiques, nous avons réalisé une étude auprès de la population majoritairement inuite de la région de Kitikmeot (Nunavut). Méthodologie Nous avons recueilli des questionnaires CANRISK, des mesures physiques et des échantillons de sang auprès de participants vivant dans cinq collectivités de la région de Kitikmeot. Nous avons utilisé une régression logistique pour évaluer l’ajustement du modèle à l’aide des facteurs de risque de l’outil CANRISK d’origine associés à la dysglycémie (prédiabète et diabète). La dysglycémie a été évaluée au moyen d’un test de glycémie plasmatique à jeun (GPJ) administré seul ou avec une épreuve d’hyperglycémie provoquée par voie orale. Nous avons mis au point les scores CANRISK des participants pour tester le fonctionnement de cet outil au sein d'une population inuite. Résultats Au total, 303 personnes ont participé à l’étude. La moitié d’entre elles avaient moins de 45 ans, les deux tiers étaient des femmes et 84 % étaient inuites. Sur les 303 participants, 18 % étaient atteints de prédiabète et 4 % avaient un diabète non diagnostiqué. La probabilité de présenter un état dysglycémique augmentait de façon exponentielle avec l’âge et la relation avec l’indice de masse corporelle (IMC) suivait une courbe en U. Par rapport aux résultats d’analyse en laboratoire, l’outil CANRISK avec un seuil de 32 points a présenté une sensibilité de 61 %, une spécificité de 66 %, une valeur prédictive positive de 34 % et un taux d’exactitude de 65 %. Conclusion L’outil CANRISK a permis de détecter la dysglycémie au sein de cette population très majoritairement inuite avec une exactitude comparable à celle obtenue avec un échantillon de Canadiens présentant une diversité multiethnique. L’outil CANRISK est donc utilisable pour la région de Kitikmeot, et plus généralement au Nunavut.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".