MétaCan
Menu
Back to cohort
Record W2885436053 · doi:10.24095/hpcdp.38.7/8.03f

Efficacité de l’outil CANRISK pour détecter la dysglycémie au sein d’une population d’origine sud-asiatique au Canada

2018· article· fr· W2885436053 on OpenAlexaffvenueabout
Gina Agarwal, Ying Jiang, Chantal Lemieux, Susan Rogers Van Katwyk, Yang Mao, Heather Orpana, Maylene Fong, Howard Morrison

Bibliographic record

VenuePromotion de la santé et prévention des maladies chroniques au Canada · 2018
Typearticle
Languagefr
FieldMedicine
TopicDiabetes, Cardiovascular Risks, and Lipoproteins
Canadian institutionsVancouver Coastal HealthOttawa Public HealthUniversity of OttawaPublic Health Agency of CanadaMcMaster University
FundersMinistère de la Santé
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

Introduction Les personnes d’origine sud-asiatique présentent un risque supérieur à la moyenne de développer un diabète de type 2. Nous avons vérifié l’efficacité de CANRISK, un outil d’évaluation du risque de diabète, en examinant sa sensibilité et sa spécificité en fonction de deux seuils de cotation différents prédéfinis et en comparant les participants de 40 ans et plus et ceux de moins de 40 ans. Nous avons examiné la valeur prédictive d’un modèle fondé sur les variables de CANRISK en comparant des seuils ethnospécifiques de l’indice de masse corporelle (IMC) et du tour de taille (TT) avec les seuils originaux d’IMC et de TT, afin de voir l'on pouvait améliorer cette valeur prédictive au sein de cette population. Méthodologie On a recruté, dans diverses communautés et divers centres de santé de sept provinces, des Canadiens d’origine sud-asiatique âgés de 18 à 78 ans dont l’état diabétique était inconnu. On a recueilli les données de CANRISK puis réalisé une épreuve d’hyperglycémie provoquée par voie orale. On a procédé à une analyse descriptive, à une régression logistique incluant des seuils ethnospécifiques d’IMC et de TT et à des analyses de sensibilité et de spécificité. Résultats On a recruté 832 participants (dont 584 de moins de 40 ans). Sur l'ensemble de l'échantillon, les modèles de régression logistique fondés sur les données de CANRISK ont prédit la dysglycémie de manière efficace (aire sous la courbe [ASC] de 0,80). En revanche, en utilisant différents seuils d’IMC et de TT avec l’algorithme de cotation, la valeur prédictive fondée sur l’ASC ne s’est pas améliorée. La sensibilité et la spécificité de CANRISK avec le seuil prédéterminé « risque élevé » original à 33 points étaient de respectivement 93 % et 35 % chez les 40 ans ou plus et de respectivement 33 % et 92 % chez les moins de 40 ans. L’utilisation du seuil prédéterminé « risque modéré » à 21 points a permis d’améliorer la sensibilité à 77 % et la spécificité à 53 % au sein du groupe d’âge plus jeune. Conclusion Le questionnaire actuel CANRISK est un outil d’évaluation du risque adéquat pour la dysglycémie chez les Canadiens d’origine sud-asiatique âgés de 40 ans et plus, mais il ne fonctionne pas aussi bien pour les moins de 40 ans. Utiliser un seuil plus faible à 21 points est pertinent chez les plus jeunes afin de diminuer les faux négatifs. Les seuils d’IMC et de TT fondés sur l’origine ethnique n’ont pas permis d’améliorer la valeur prédictive de l’algorithme de cotation de CANRISK que mesure l’ASC.

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 imitation

Not 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.

metaresearch head score (Codex)0.007
metaresearch head score (Gemma)0.015
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.283
Threshold uncertainty score0.570

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0070.015
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.002
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0040.000

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.

Opus teacher head0.010
GPT teacher head0.282
Teacher spread0.272 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2018
Admission routes3
Has abstractyes

Explore more

Same venuePromotion de la santé et prévention des maladies chroniques au CanadaSame topicDiabetes, Cardiovascular Risks, and LipoproteinsFrench-language works237,207