Quantifying the Risk of Infectious Diseases for People With Diabetes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: In vitro evidence shows that immune function is compromised in people with diabetes. Although certain rare infections are more common and infection-related mortality is higher, the risk of acquiring an infectious disease for diabetic patients has never been quantified. RESEARCH DESIGN AND METHODS: A retrospective cohort study using administrative data compared all people with diabetes in Ontario, Canada, on 1 April 1999 to matched nondiabetic people (n = 513,749 in each group). The risk ratios of having an infectious disease and of death attributable to infectious disease between those with and without diabetes were calculated. Secondary analysis individually examined common infectious diseases. The study was repeated using a second pair of cohorts defined in 1996 to confirm stability of the estimates. RESULTS: Nearly half of all people with diabetes had at least one hospitalization or physician claim for an infectious disease in each cohort year. The risk ratio for diabetic versus nondiabetic people was 1.21 (99% CI 1.20-1.22) in both cohort years. The risk ratio for infectious disease-related hospitalization was up to 2.17 (99% CI 2.10-2.23). The risk ratio for death attributable to infection was up to 1.92 (1.79-2.05). Many individual infections were more common in people with diabetes, especially serious bacterial infections. CONCLUSIONS: Diabetes confers an increased risk of developing and dying from an infectious disease, corroborating both in vitro evidence and commonly held clinical belief. In addition to microvascular and macrovascular sequelae, clinicians should consider infection a complication of diabetes.
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.
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 découle