Diabetes in the young: a population‐based study of South Asian, Chinese and White people
Notice bibliographique
Résumé
AIMS: Rates of diabetes mellitus in the young have not been quantified on a population level, particularly in South Asian and Chinese populations, which bear high rates of diabetes. We determined the incidence of diabetes (Type 2 diabetes and diabetes using insulin only) and rates of hospitalizations among South Asian, Chinese and White people aged 5-29 years with newly diagnosed diabetes. METHODS: People with newly diagnosed diabetes (1997-2006) in British Columbia, Canada were identified using population-based administrative data and pharmacy databases. Age-standardized incidence rates were calculated for people with diabetes prescribed insulin only and those with Type 2 diabetes. They were followed for up to 8 years for all hospitalizations and diabetes-related complications. RESULTS: There were 712 South Asians, 498 Chinese and 6176 White people aged 5-29 years with diabetes. Most youth with diabetes had Type 2 diabetes (South Asian 86.4%; Chinese 87.1% and White 61.8%). The incidence of diabetes on insulin only was highest in White people compared with the other groups. The incidence of Type 2 diabetes was highest in South Asians, particularly in 20-29-year-olds, with rates 2.2 times that of White people and 3.1 times that of Chinese people. Hospitalization and diabetes-related complications were uncommon in all groups. CONCLUSION: The incidence of Type 2 diabetes is higher than previously estimated among youth and is now surpassing diabetes on insulin only. Significant reductions in Type 2 diabetes screening ages in South Asians need to be considered and prevention efforts are urgently required in childhood and adolescence. Global estimates need to consider the epidemic of Type 2 diabetes in the young.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».