Higher Risk of Thyroid Disorders in Young Patients with Type 1 Diabetes: A 12-Year Nationwide, Population-Based, Retrospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: The association between type 1 diabetes and thyroid autoimmunity has been studied in various populations, but seldom on Taiwanese children and adolescents. Therefore, the aim of this study was to examine the incidence of autoimmune thyroid disorders in Taiwanese children and adolescent patients with type 1 diabetes, based on data from a nationwide, population-based, health claims database. METHODS: Using Taiwan's National Health Insurance Research Database, we identified 3,652 patients with type 1 diabetes between 2000 and 2012. A comparison cohort was assembled, which consisted of five patients without type 1 diabetes, based on frequency matching for sex and 3-year age interval, for each patient with type 1 diabetes. Both groups were followed until diagnosis of thyroid disorders or the end of the follow-up period. Poisson regression models were used to calculate incidence rate ratios for the thyroid disorders between the type 1 diabetes cohort and the comparison cohort. RESULTS: Simple and unspecified goiter (International Classification of Diseases, 9th Revision, Clinical Modification [ICD-9-CM] code 240), thyrotoxicosis (ICD-9-CM code 242), unspecified hypothyroidism (ICD-9-CM code 244.9), and thyroiditis (ICD-9-CM code 245) showed significantly higher incidences in the type 1 diabetes cohort compared with the control cohort, with incidence rate ratios of 2.74, 6.95, 6.54, 16.07, respectively. CONCLUSIONS: Findings from this nationwide, population-based cohort study showed that the incidences of autoimmune thyroid disorders were significantly higher in Taiwanese children and adolescents with type 1 diabetes compared with those without the disease.
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 | 0,000 |
| 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 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 ».