Évaluation de nouvelles méthodes de prédiction et de dépistage précoce de l’albuminurie chez les patients avec diabète de type 2
Bibliographic record
Abstract
Le diabète de type 2 (DT2) est une maladie chronique grave et sa prévalence ne cesse d’augmenter partout dans le monde. La complication la plus sévère et la plus courante du diabète est la néphropathie diabétique dont le premier symptôme est l’albuminurie. Notre premier objectif est d’évaluer si un dépistage précoce de l’albuminurie permet une meilleure prise en charge de cette complication dans la pratique générale des médecins. Notre deuxième objectif est de valider l’efficacité de notre score de risque polygénique (SRP) sur la prédiction du risque d’albuminurie sur une cohorte canadienne composée de patients DT2, hypertendus provenant de groupe de médecine familiale (GMF) et de family health team (FHT) au Québec et en Ontario (CLINPRADIA I). Le SRP a permis de déterminer les 30% de patients à risque élevé de développer l’albuminurie. En effet, la prévalence d’albuminurie des 30% des sujets classés à haut risque génétique par le SRP était 2,6 fois plus élevée que le reste des patients de CLINPRADIA I. Dans la même cohorte, nous avons démontré que l’introduction d’un point of care testing (POCT) a amélioré la pratique et l’adhésion des médecins aux lignes directrices du traitement de l’albuminurie. Les valeurs d’albuminurie et le nombre de patients albuminuriques ont diminué significativement en réponse à l’introduction du POCT. Nous pouvons conclure de nos résultats que l’utilisation de notre SRP permettrait d’identifier les patients à risque élevés d’albuminurie alors que le POCT permettrait un dépistage précoce et un meilleur suivi de l’albuminurie chez ces patients.
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 | 0.017 | 0.042 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".