Geographic patterns in patient demographics and insulin use in 18 countries, a global perspective from the multinational observational study assessing insulin use: understanding the challenges associated with progression of therapy (MOSAIc)
Notice bibliographique
Résumé
BACKGROUND: Among patients with type 2 diabetes, insulin intensification to achieve glycemic targets occurs less often than clinically indicated. Barriers to intensification are not well understood. We present patients' baseline characteristics from MOSAIc, a study investigating patient-, physician-, and healthcare environment-based factors affecting insulin intensification and subsequent health outcomes. METHODS: MOSAIc is a longitudinal, observational study following patients' diabetes care in 18 countries: United Arab Emirates (UAE), Argentina, Brazil, Canada, China, Germany, India, Israel, Italy, Japan, Mexico, Russia, Saudi Arabia, South Korea, Spain, Turkey, United Kingdom, United States. Eligible patients are age ≥ 18, have type 2 diabetes, and have used insulin for ≥ 3 months with/without other antidiabetic medications. Extensive baseline demographic, clinical, and psychosocial data are collected at baseline and regular intervals during the 24-month follow-up. We conducted descriptive analyses of baseline data. RESULTS: Four thousand three hundred forty one patients met eligibility criteria. Patients received their type 2 diabetes diagnosis 12 ± 8 years prior to baseline visit, yet patients in developing countries were younger than in developed countries (e.g., UAE, 55 ± 10; Germany = 70 ± 10). Saudi Arabians had the highest HbA1c values (9.0 ± 2.2) and Germany (7.5 ± 1.4) among the lowest. Most patients in 5 (28%) of the 18 countries did not use an oral antidiabetic drug. Over half of patients in fourteen (78 %) countries exclusively used basal insulin; most Indian and Chinese patients exclusively used mixed insulin. CONCLUSIONS: MOSAIc's baseline data highlight differences in patient characteristics across countries. These patterns, along with physician and healthcare environment differences, may contribute to the likelihood of insulin intensification and subsequent clinical outcomes.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».