Dépistage postnatal du diabète à la suite d’un diabète sucré gestationnel : efficacité du système de rappel
Bibliographic record
Abstract
Introduction Dans le cadre des soins de santé courants, les femmes ayant des antécédents de diabète sucré gestationnel (DSG) subissent rarement au cours de la période postnatale le test recommandé de dépistage du diabète de type 2, c’est-à-dire l’épreuve d’hyperglycémie provoquée par voie orale (HGPO) de 2 heures. Cette étude a pour objet de déterminer si la mise en œuvre d’un système de rappel permet d’accroître les taux de dépistage. Méthodologie À la suite de notre essai comparatif randomisé (ECR) antérieur, nous avons intégré un protocole de rappel postnatal (par la poste ou par téléphone) aux pratiques des soins courants dans deux des trois sites cliniques. Nous avons vérifié dans quelle mesure les tests postnatals étaient réalisés en consultant les bases de données de laboratoire des hôpitaux et la base de données provinciale de facturation des services médicaux. Le paramètre primaire mesuré était la proportion de patientes soumises à une épreuve d’HGPO au cours des 6 mois ayant suivi l’accouchement. Résultats Les femmes ayant reçu des soins dans un établissement où était utilisé un système de rappel étaient plus nombreuses à subir une épreuve d’HGPO au cours des 6 mois suivant leur accouchement (28 %) que celles n’ayant pas bénéficié de ce système (14 %). Pour les deux groupes ayant reçu un rappel, le taux d’HGPO (28 %) était inférieur à celui obtenu dans le cadre de notre ECR (60 %). Conclusion Le système de rappel postnatal a permis de doubler les taux de dépistage par l’épreuve d’HGPO recommandée, ceux-ci demeurant néanmoins faibles.
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 | 0.023 | 0.073 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".