Incident diabetes, hypertension and dyslipidemia in a Manitoba First Nation
Notice bibliographique
Résumé
BACKGROUND: Diabetes and diabetes complications are substantially higher among Canadian First Nations populations compared with the general Canadian population. However, incidence data using detailed individual assessments from a population-based cohort have not been undertaken. OBJECTIVE: We sought to describe incident diabetes, hypertension and dyslipidemia in a population-based cohort from a Manitoba Ojibway First Nation community. DESIGN: Study data were from 2 diabetes screening studies in Sandy Bay First Nation in Manitoba, Canada, collected in 2002/2003 and 2011/2012. The cohort comprised of respondents to both screening studies (n=171). Health and demographic data were collected using a questionnaire. Fasting blood samples, blood pressure and anthropometric data were also collected objectively. Incident diabetes, hypertension and dyslipidemia were determined. Generalized linear models with Poisson distribution were used to estimate risk of incident diabetes and cardiometabolic conditions according to age and sex. RESULTS: There were 35 (95% CI: 26, 45) new cases of diabetes among 128 participants without diabetes at baseline (27 or 3.3% per year). While participants who were 50 years and older at baseline had a significantly higher risk of incident diabetes at follow-up compared with participants aged 18-29 at baseline (p=0.012), more than half of the incident cases of diabetes occurred among participants aged less than 40 at baseline. There were 28 (95% CI: 20, 37) new cases of dyslipidemia at follow-up among 112 without dyslipidemia at baseline (25%). There were 36 (95% CI: 31, 42) new cases of hypertension among 104 participants without hypertension at baseline (34.6%). Women had half the risk of developing hypertension compared with men (p=0.039). CONCLUSIONS: Diabetes incidence is very high, and the number of new cases among those younger than 40 is a concern. Additional public health and primary care efforts are needed to address the diabetes burden in this First Nation community.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».