Diabetic Foot Complications and Their Risk Factors from a Large Retrospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Foot complications are considered to be a serious consequence of diabetes mellitus, posing a major medical and economical threat. Identifying the extent of this problem and its risk factors will enable health providers to set up better prevention programs. Saudi National Diabetes Registry (SNDR), being a large database source, would be the best tool to evaluate this problem. METHODS: This is a cross-sectional study of a cohort of 62,681 patients aged ≥ 25 years from SNDR database, selected for studying foot complications associated with diabetes and related risk factors. RESULTS: The overall prevalence of diabetic foot complications was 3.3% with 95% confidence interval (95% CI) of (3.16%-3.44%), whilst the prevalences of foot ulcer, gangrene, and amputations were 2.05% (1.94%-2.16%), 0.19% (0.16%-0.22%), and 1.06% (0.98%-1.14%), respectively. The prevalence of foot complications increased with age and diabetes duration predominantly amongst the male patients. Diabetic foot is more commonly seen among type 2 patients, although it is more prevalent among type 1 diabetic patients. The Univariate analysis showed Charcot joints, peripheral vascular disease (PVD), neuropathy, diabetes duration ≥ 10 years, insulin use, retinopathy, nephropathy, age ≥ 45 years, cerebral vascular disease (CVD), poor glycemic control, coronary artery disease (CAD), male gender, smoking, and hypertension to be significant risk factors with odds ratio and 95% CI at 42.53 (18.16-99.62), 14.47 (8.99-23.31), 12.06 (10.54-13.80), 7.22 (6.10-8.55), 4.69 (4.28-5.14), 4.45 (4.05-4.89), 2.88 (2.43-3.40), 2.81 (2.31-3.43), 2.24 (1.98-2.45), 2.02 (1.84-2.22), 1.54 (1.29-1.83), and 1.51 (1.38-1.65), respectively. CONCLUSIONS: Risk factors for diabetic foot complications are highly prevalent; they have put these complications at a higher rate and warrant primary and secondary prevention programs to minimize morbidity and mortality in addition to economic impact of the complications. Other measurements, such as decompression of lower extremity nerves, should be considered among diabetic patients.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».