The achievements of genome-wide association studies have suggested ways to predict diseases, such as type 2 diabetes (T2D), using single-nucleotide polymorphisms (SNPs). Most T2D risk prediction models have used SNPs in combination with demographic variables. However, it is difficult to evaluate the pure additive contribution of genetic variants to classically used demographic models. Since prediction models include some heritable traits, such as body mass index, the contribution of SNPs using unmatched case-control samples may be underestimated. In this article, we propose a method that uses propensity score matching to avoid underestimation by matching case and control samples, thereby determining the pure additive contribution of SNPs. To illustrate the proposed propensity score matching method, we used SNP data from the Korea Association Resources project and reported SNPs from the genome-wide association study catalog. We selected various SNP sets via stepwise logistic regression (SLR), least absolute shrinkage and selection operator (LASSO), and the elastic-net (EN) algorithm. Using these SNP sets, we made predictions using SLR, LASSO, and EN as logistic regression modeling techniques. The accuracy of the predictions was compared in terms of area under the receiver operating characteristic curve (AUC). The contribution of SNPs to T2D was evaluated by the difference in the AUC between models using only demographic variables and models that included the SNPs. The largest difference among our models showed that the AUC of the model using genetic variants with demographic variables could be 0.107 higher than that of the corresponding model using only demographic variables.
Gestational diabetes mellitus (GDM) is a complex metabolic disorder of pregnancy that is suspected to have a strong genetic predisposition. It is associated with poor perinatal outcome, and both GDM women and their offspring are at increased risk of future development of type 2 diabetes mellitus (T2DM). During the past several years, there has been progress in finding the genetic risk factors of GDM in relation to T2DM. Some of the genetic variants that were proven to be significantly associated with T2DM are also genetic risk factors of GDM. Recently, a genome-wide association study of GDM was performed and reported that genetic variants in CDKAL1 and MTNR1B were associated with GDM at a genome-wide significance level. Current investigations using next-generation sequencing will improve our insight into the pathophysiology of GDM. It would be important to know whether genetic information revealed from these studies could improve our prediction of GDM and the future development of T2DM. We hope further research on the genetics of GDM would ultimately lead us to personalized genomic medicine and improved patient care.
The incidence of type 1 diabetes mellitus (T1DM) in children and adolescents is increasing worldwide. Combined effects of genetic and environmental factors cause T1DM, which make it difficult to predict whether an individual will inherit the disease. Due to the level of self-care necessary in T1DM maintenance, it is crucial for pediatric settings to support achieving optimal glucose control, especially when adolescents are beginning to take more responsibility for their own health. Innovative insulin delivery systems, such as continuous subcutaneous insulin infusion (CSII), and noninvasive glucose monitoring systems, such as continuous glucose monitoring (CGM), allow patients with T1DM to achieve a normal and flexible lifestyle. However, there are still challenges in achieving optimal glucose control despite advanced technology in T1DM administration. In this article, disease prediction and current management of T1DM are reviewed with special emphasis on biomarkers of pancreatic ${\beta}-cell$ stress, CSII, glucose monitoring, and several other adjunctive therapies.
Objectives : An appropriate sampling strategy for estimating an epidemiologic volume of diabetes has been evaluated through a simulation. Methods : We analyzed about 250 million medical insurance claims data submitted to the Health Insurance Review & Assessment Service with diabetes as principal or subsequent diagnoses, more than or equal to once per year, in 2003. The database was re-constructed to a 'patient-hospital profile' that had 3,676,164 cases, and then to a 'patient profile' that consisted of 2,412,082 observations. The patient profile data was then used to test the validity of a proposed sampling frame and methods of sampling to develop diabetic-related epidemiologic indices. Results : Simulation study showed that a use of a stratified two-stage cluster sampling design with a total sample size of 4,000 will provide an estimate of 57.04%(95% prediction range, 49.83 - 64.24%) for a treatment prescription rate of diabetes. The proposed sampling design consists, at first, stratifying the area of the nation into "metropolitan/city/county" and the types of hospital into "tertiary/secondary/primary/clinic" with a proportion of 5:10:10:75. Hospitals were then randomly selected within the strata as a primary sampling unit, followed by a random selection of patients within the hospitals as a secondly sampling unit. The difference between the estimate and the parameter value was projected to be less than 0.3%. Conclusions : The sampling scheme proposed will be applied to a subsequent nationwide field survey not only for estimating the epidemiologic volume of diabetes but also for assessing the present status of nationwide diabetes control.
The purpose of this study was to investigate the relationship between abdominal subcutaneous fat thickness(ASFT) and maternal gestational diabetes mellitus(GDM) measured by ultrasound at period of pregnancy. We compared maternal age, pre-pregnancy body mass index, and weight gain during pregnancy in 286 pregnant women who were diagnosed with early pregnancy ASFT and high GDM screening test(50 g OGTT) of more than 140 mg/dL. ROC curve analysis was used to determine the cut-off value of ASFT for GDM prediction. Maternal age and weight gain during pregnancy were not related to GDM in the mid-trimester and pre-pregnancy body mass index and earely pregnancy ASFT were significantly different between normal and GDM high risk groups. The cut-off value of ASFT for GDM prediction was 2.23 cm(AUC 0.913. Sensitivity 76.19%, Specificity 93.72%). ASFT measured by ultrasound in early pregnancy was useful as an important index for predicting mid-trimester GDM prediction. Therefore, ASFT can be used as an auxiliary diagnostic index for early recognition of GDM.
Jung Joo Yoon;Hye Yoom Kim;Ai Lin Tai;Ho Sub Lee;Dae Gill Kang
Herbal Formula Science
/
v.32
no.1
/
pp.11-28
/
2024
Objectives : GunRyeong-Tang(GRT) is a traditional herbal prescription that combines Oryeongsan and Sagunja-tang. This study employed network analysis methods on the components of GRT and target genes related to diabetes complications to predict the improvement effects of GRT on diabetes complications. Methods : The collection of active compounds of GRT and related target genes involved the utilization of public databases and the PubChem database. We selected diabetes complication-related genes using GeneCards and confirmed their correlation through comparative analysis with the target genes of GRT. We constructed a network using Cytoscape 3.9.1 and conducted topological analysis. To predict the mechanism, we performed functional enrichment analysis based on Gene Ontology (GO) biological processes and Kyoto Encyclopedia of Genes and Genomes (KEGG) pathways. Results : Through network analysis, 234 active compounds and 1361 related genes were collected from GRT. A total of 9,136 genes related to diabetes complications were collected, and 1,039 target genes overlapping with the components of GRT were identified. The core genes of this network were TP53, INS, AKT1, ALB, and EGFR. In addition, GRT significantly reduced the H9c2 cell size and the expression of myocardial hypertrophy biomarkers (ANP, BNP), which were increased by high glucose (HG). Conclusions : Through this study, we were able to predict the activity and mechanism of action of GRT on diabetes and diabetic complications, and confirmed the potential of GRT as a treatment for diabetes complications through the effect of GRT on improving myocardial hypertrophy for diabetic cardiomyopathy.
More effective production of human insulin is important, because insulin is the main medication that is used to treat multiple types of diabetes and because many people are suffering from diabetes. The current system of insulin production is based on recombinant DNA technology, and the expression vector is composed of a preproinsulin sequence that is a fused form of an artificial leader peptide and the native proinsulin. It has been reported that the sequence of the leader peptide affects the production of insulin. To analyze how the leader peptide affects the maturation of insulin structurally, we adapted several in silico simulations using 13 artificial proinsulin sequences. Three-dimensional structures of models were predicted and compared. Although their sequences had few differences, the predicted structures were somewhat different. The structures were refined by molecular dynamics simulation, and the energy of each model was estimated. Then, protein-protein docking between the models and trypsin was carried out to compare how efficiently the protease could access the cleavage sites of the proinsulin models. The results showed some concordance with experimental results that have been reported; so, we expect our analysis will be used to predict the optimized sequence of artificial proinsulin for more effective production.
Koo, Bo Kyung;Oh, Sohee;Kim, Yoon Ji;Moon, Min Kyong
Journal of Lipid and Atherosclerosis
/
v.7
no.2
/
pp.110-121
/
2018
Objective: We developed a new equation for predicting coronary heart disease (CHD) risk in Korean diabetic patients using a hospital-based cohort and compared it with a UK Prospective Diabetes Study (UKPDS) risk engine. Methods: By considering patients with type 2 diabetes aged ${\geq}30years$ visiting the diabetic center in Boramae hospital in 2006, we developed a multivariable equation for predicting CHD events using the Cox proportional hazard model. Those with CHD were excluded. The predictability of CHD events over 6 years was evaluated using area under the receiver operating characteristic (AUROC) curves, which were compared using the DeLong test. Results: A total of 732 participants (304 males and 428 females; mean age, $60{\pm}10years$; mean duration of diabetes, $10{\pm}7years$) were followed up for 76 months (range, 1-99 month). During the study period, 48 patients (6.6%) experienced CHD events. The AUROC of the proposed equation for predicting 6-year CHD events was 0.721 (95% confidence interval [CI], 0.641-0.800), which is significantly larger than that of the UKPDS risk engine (0.578; 95% CI, 0.482-0.675; p from DeLong test=0.001). Among the subjects with <5% of risk based on the proposed equation, 30.6% (121 out of 396) were classified as ${\geq}10%$ of risk based on the UKPDS risk engine, and their event rate was only 3.3% over 6 years. Conclusion: The UKPDS risk engine overestimated CHD risk in type 2 diabetic patients in this cohort, and the proposed equation has superior predictability for CHD risk compared to the UKPDS risk engine.
International Journal of Computer Science & Network Security
/
v.23
no.8
/
pp.17-25
/
2023
The alarming global prevalence of Type 2 Diabetes Mellitus (T2DM) has catalyzed an urgent need for robust, early diagnostic methodologies. This study unveils a pioneering approach to predicting T2DM, employing the Extreme Gradient Boosting (XGBoost) algorithm, renowned for its predictive accuracy and computational efficiency. The investigation harnesses a meticulously curated dataset of 4303 samples, extracted from a comprehensive Chinese research study, scrupulously aligned with the World Health Organization's indicators and standards. The dataset encapsulates a multifaceted spectrum of clinical, demographic, and lifestyle attributes. Through an intricate process of hyperparameter optimization, the XGBoost model exhibited an unparalleled best score, elucidating a distinctive combination of parameters such as a learning rate of 0.1, max depth of 3, 150 estimators, and specific colsample strategies. The model's validation accuracy of 0.957, coupled with a sensitivity of 0.9898 and specificity of 0.8897, underlines its robustness in classifying T2DM. A detailed analysis of the confusion matrix further substantiated the model's diagnostic prowess, with an F1-score of 0.9308, illustrating its balanced performance in true positive and negative classifications. The precision and recall metrics provided nuanced insights into the model's ability to minimize false predictions, thereby enhancing its clinical applicability. The research findings not only underline the remarkable efficacy of XGBoost in T2DM prediction but also contribute to the burgeoning field of machine learning applications in personalized healthcare. By elucidating a novel paradigm that accentuates the synergistic integration of multifaceted clinical parameters, this study fosters a promising avenue for precise early detection, risk stratification, and patient-centric intervention in diabetes care. The research serves as a beacon, inspiring further exploration and innovation in leveraging advanced analytical techniques for transformative impacts on predictive diagnostics and chronic disease management.
Objectives: This study was conducted to determine the incidence and risk factors of myocardial infarction (MI) and stroke in farmers compared to the general population and to establish 5-year prediction models. Methods: The farmer cohort and the control cohort were generated using the customized database of the National Health Insurance Service of Korea database and the National Sample Cohort, respectively. The participants were followed from the day of the index general health examination until the events of MI, stroke, or death (up to 5 years). Results: In total, 734 744 participants from the farmer cohort and 238 311 from the control cohort aged between 40 and 70 were included. The age-adjusted incidence of MI was 0.766 and 0.585 per 1000 person-years in the farmer and control cohorts, respectively. That of stroke was 0.559 and 0.321 per 1000 person-years in both cohorts, respectively. In farmers, the risk factors for MI included male sex, age, personal history of hypertension, diabetes, current smoking, creatinine, metabolic syndrome components (blood pressure, triglycerides, and high-density lipoprotein cholesterol). Those for stroke included male sex, age, personal history of hypertension, diabetes, current smoking, high γ-glutamyl transferase, and metabolic syndrome components (blood pressure, triglycerides, and high-density lipoprotein cholesterol). The prediction model showed an area under the receiver operating characteristic curve of 0.735 and 0.760 for MI and stroke, respectively, in the farmer cohort. Conclusions: Farmers had a higher age-adjusted incidence of MI and stroke. They also showed distinct patterns in cardiovascular risk factors compared to the general population.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.