Estimating the Population Prevalence of Diagnosed and Undiagnosed Diabetes
Notice bibliographique
Résumé
OBJECTIVE: Health administrative data are frequently used for diabetes surveillance, but validation studies are limited, and undiagnosed diabetes has not been considered in previous studies. We compared the test properties of an administrative definition with self-reported diabetes and estimated prevalence of undiagnosed diabetes by measuring glucose levels in mailed-in capillary blood samples. RESEARCH DESIGN AND METHODS: A stratified random sample of 6,247 individuals (Quebec province) was surveyed by telephone and asked to mail in fasting blood samples on filter paper to a central laboratory. An administrative definition was applied (two physician claims or one hospitalization for diabetes within a 2-year period) and compared with self-reported diabetes alone and with self-reported diabetes or elevated blood glucose level (≥7 mmol/L). Population-level prevalence was estimated with the use of the administrative definition corrected for its sensitivity and specificity. RESULTS: Compared with self-reported diabetes, sensitivity and specificity were 84.3% (95% CI 79.3-88.5%) and 97.9% (97.4-98.4%), respectively. Compared with diabetes by self-report and/or glucose testing, sensitivity was lower at 58.2% (52.2-64.6%), whereas specificity was similar at 98.7% (98.0-99.3%). Adjusted for sampling weights, population-level prevalence of physician-diagnosed diabetes was 7.2% (6.3-8.0%). Prevalence of total diabetes (physician-diagnosed and undiagnosed) was 13.4% (11.7-15.0%), indicating that ∼40% of diabetes cases are undiagnosed. CONCLUSIONS: A substantial proportion of diabetes cases are missed by surveillance methods that use health administrative databases. This finding is concerning because individuals with undiagnosed diabetes are likely to have a delay in treatment and, thus, a higher risk for diabetes-related complications.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».