Resultados a nivel de población con un enfoque en dos etapas para el cribado y diagnóstico de diabetes gestacional
Bibliographic record
Abstract
Resumen Examinar los resultados asociados con los umbrales de glucosa alternativos en un enfoque de 2 pasos para el cribado y el diagnóstico de la diabetes mellitus gestacional (GDM). Métodos: Se estudiaron 178 527 embarazos entre 2008 y 2012 en Alberta, Canadá. Se categorizaron retrospectivamente como anestesia normal (n = 144 191), normal (GGTT) (n = 21 248); anormal en los umbrales de glucosa sugeridos por la Asociación Internacional de Diabetes y el Grupo de Embarazo (IADPSG) (HAPO 1.75, n = 4 308), anomalía de los umbrales de glucosa asociados con una proporción de 2.0 de anestesia en el estudio de Hiperglucemia y Adversidad de Parto Adverso (HAPO). Este último grupo que habría sido tratado para GDM basado en el cuidado habitual. Se dividió además en aquellos con 1 (HAPO 2-1, n = 5 528) o 2 o más valores de glucosa anormales (HAPO 2-2, n = 3 252). Los principales resultados fueron grandes para la edad gestacional (LGA), trabajo inducido y tasas de cesárea. Resultados: Los LGA índices fueron 8.2%, 10.5%, 14.2%, 11.8% y 16.5% entre los grupos normales 50 g, normal 75 g OGTT, HAPO 1.75, HAPO 2-1 y HAPO 2-2 respectivamente. La inducción de cabecera y los porcentajes de cesárea fueron de 29.6% y 36.2% en IADPSG, 38.2% y 36.8% en el grupo HAPO 2-1, y 42.3% y 41.1% en los grupos HAPO 2-2, respectivamente. El peso materno excesivo (≥ 91 kg) fue asociado con un mayor riesgo para todos los resultados. Asimismo, hablaremos de metabolismo de carbohidratos, repercusiones de la hiperglicemia materno-fetal, además de posibles complicaciones. Abordaremos también el diagnóstico de diabetes gestacional, así como conoceremos el manejo de una paciente que ya era diabética antes del embarazo o a la que se le diagnostica durante el embarazo. Conclusiones: El enfoque de 2 pasos identifica eficazmente los embarazos con bajo riesgo de resultados adversos. Cualquier intolerancia a la glucosa aumenta el riesgo de resultados adversos y los embarazos con valores de glucosa anormales más altos (2 o más) siguen siendo los de mayor riesgo. Se necesitan más investigaciones para determinar si los umbrales glicémicos para el diagnóstico GDM deben incorporar información sobre el peso materno.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".