Ethnicity and Sex Affect Diabetes Incidence and Outcomes
Notice bibliographique
Résumé
OBJECTIVE: Diabetes guidelines recommend aggressive screening for type 2 diabetes in Asian patients because they are considered to have a higher risk of developing diabetes and potentially worse prognosis. We determined incidence of diabetes and risk of death or macrovascular complications by sex among major Asian subgroups, South Asian and Chinese, and white patients with newly diagnosed diabetes. RESEARCH DESIGN AND METHODS: Using population-based administrative data from British Columbia and Alberta, Canada (1997-1998 to 2006-2007), we identified patients with newly diagnosed diabetes aged ≥35 years and followed them for up to 10 years for death, acute myocardial infarction, stroke, or hospitalization for heart failure. Ethnicity was determined using validated surname algorithms. RESULTS: There were 15,066 South Asian, 17,754 Chinese, and 244,017 white patients with newly diagnosed diabetes. Chinese women and men had the lowest incidence of diabetes relative to that of white or South Asian patients, who had the highest incidence. Mortality in those with newly diagnosed diabetes was lower in South Asian (hazard ratio 0.69 [95% CI 0.62-0.76], P < 0.001) and Chinese patients (0.69 [0.63-0.74], P < 0.001) then in white patients. Risk of acute myocardial infarction, stroke, or heart failure was similar or lower in the ethnic groups relative to that of white patients and varied by sex. CONCLUSIONS: The incidence of diagnosed diabetes varies significantly among ethnic groups. Mortality was substantially lower in South Asian and Chinese patients with newly diagnosed diabetes than in white patients.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».