Factors associated with a diabetes diagnosis and late diabetes diagnosis for males and females
Notice bibliographique
Résumé
AIMS: To examine the factors associated with diabetes, a late diabetes diagnosis, and whether these factors are different for males and females. METHODS: Cross-sectional study including 7101 individuals aged ≥25 years in Newfoundland and Labrador, Canada (466 with diabetes; 332 diagnosed late). Logistic regression analysis was used to determine the factors associated with a diabetes diagnosis and late diabetes diagnosis. RESULTS: For males, overweight/obesity (HR, 1.35; 95% CI, 1.06-1.72) was positively associated with diabetes while being a regular/occasional drinker (HR, 0.53; 95% CI, 0.32-0.88) was inversely associated with diabetes. Living in a rural area (HR, 1.47; 95% CI, 1.01-2.15), receiving social assistance (HR, 2.80; 95% CI, 1.52-5.15), having poor self perceived health (HR, 2.06; 95% CI, 1.32-3.21), and considering most days stressful (HR, 1.45; 95% CI, 1.01-2.10) were positively associated with diabetes for females. No factors were significantly associated with a late diabetes diagnosis for males. Having a low education (OR, 0.33; 95% CI, 0.11-0.99) was inversely associated with a late diabetes diagnosis for females. CONCLUSIONS: Different factors are associated with diabetes for males and females. Disadvantaged females appear to be at the greatest risk. The factors associated with a late diabetes diagnosis were also different for males and females. Females with lower education levels are diagnosed with diabetes earlier than females with higher education levels. Certain risk factors appear to impact males and females differently and more research is needed on how males and females develop diabetes and when they are diagnosed.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».