Prevalence and Correlates of Latent Autoimmune Diabetes in Adults in Tianjin, China
Notice bibliographique
Résumé
OBJECTIVE: Data on latent autoimmune diabetes in adults (LADA) from population-based studies are sparse. We sought to investigate the prevalence and correlates of LADA. RESEARCH DESIGN AND METHODS: A total of 8,109 participants, who were aged ≥15 years and living in Tianjin, China, were assessed to identify individuals with type 2 diabetes (American Diabetes Association Criteria, 1997) and further to detect patients with LADA. LADA was ascertained by 1) the presence of type 2 diabetes and age ≥35 years, 2) the lack of a requirement for insulin at least 6 months after the diagnosis of type 2 diabetes, and 3) serum GAD antibody positivity. Data were analyzed using multinomial logistic regression with adjustment for potential confounders. RESULTS: Of all participants, 498 (6.1%) were patients with type 2 diabetes. Of them, 46 (9.2%) were found to have LADA. The prevalence of LADA was 0.6% (46 of 8,109), and tended to increase with age up to 50-59 years in all participants. The odds ratios (95% CI) of LADA related to hypertension, family history of diabetes, waist-to-hip ratio ≥0.85, and major stressful events were 1.93 (1.02-3.65), 17.59 (9.08-34.06), 5.37 (2.31-12.49), and 4.09 (1.75-9.52), respectively. CONCLUSIONS: The prevalence of LADA is ∼9% in patients with type 2 diabetes. Hypertension, family history of diabetes, central obesity, and major stressful events may be associated with the occurrence of LADA.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».