MétaCan
Menu
Retour à la cohorte
Enregistrement W2552958053 · doi:10.1186/s13098-016-0186-9

Factors that could explain the increasing prevalence of type 2 diabetes among adults in a Canadian province: a critical review and analysis

2016· review· en· W2552958053 sur OpenAlexafffundabout
Véronique Thibault, Mathieu Bélanger, Émilie Leblanc, Lise Babin, Stuart Halpine, Beverly Greene, Michelina Mancuso

Notice bibliographique

RevueDiabetology & Metabolic Syndrome · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes, Cardiovascular Risks, and Lipoproteins
Établissements canadiensUniversité de MonctonVitalité Health NetworkGovernment of New BrunswickUniversity of New BrunswickUniversité de Sherbrooke
Organismes subventionnairesCanadian Institutes of Health ResearchUniversité de SherbrookeFondation de la recherche en santé du Nouveau-BrunswickDiabète Québec
Mots-clésMedicinePrediabetesType 2 diabetesDiabetes mellitusObesityEnvironmental healthSocioeconomic statusPrevalenceDemographyCross-sectional studyOverweightDiseasePoisson regressionIncidence (geometry)GerontologyInternal medicinePopulationEndocrinology

Résumé

récupéré en direct d'OpenAlex

The prevalence of diabetes has increased since the last decade in New Brunswick. Identifying factors contributing to the increase in diabetes prevalence will help inform an action plan to manage the condition. The objective was to describe factors that could explain the increasing prevalence of type 2 diabetes in New Brunswick since 2001. A critical literature review was conducted to identify factors potentially responsible for an increase in prevalence of diabetes. Data from various sources were obtained to draw a repeated cross-sectional (2001–2014) description of these factors concurrently with changes in the prevalence of type 2 diabetes in New Brunswick. Linear regressions, Poisson regressions and Cochran Armitage analysis were used to describe relationships between these factors and time. Factors identified in the review were summarized in five categories: individual-level risk factors, environmental risk factors, evolution of the disease, detection effect and global changes. The prevalence of type 2 diabetes has increased by 120% between 2001 and 2014. The prevalence of obesity, hypertension, prediabetes, alcohol consumption, immigration and urbanization increased during the study period and the consumption of fruits and vegetables decreased which could represent potential factors of the increasing prevalence of type 2 diabetes. Physical activity, smoking, socioeconomic status and education did not present trends that could explain the increasing prevalence of type 2 diabetes. During the study period, the mortality rate and the conversion rate from prediabetes to diabetes decreased and the incidence rate increased. Suggestion of a detection effect was also present as the number of people tested increased while the HbA 1c and the age at detection decreased. Period and birth cohort effect were also noted through a rise in the prevalence of type 2 diabetes across all age groups, but greater increases were observed among the younger cohorts. This study presents a comprehensive overview of factors potentially responsible for population level changes in prevalence of type 2 diabetes. Recent increases in type 2 diabetes in New Brunswick may be attributable to a combination of some individual-level and environmental risk factors, the detection effect, the evolution of the disease and global changes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,634
Score d'incertitude au seuil0,728

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0220,021
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,303
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations96
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueDiabetology & Metabolic SyndromeMême sujetDiabetes, Cardiovascular Risks, and LipoproteinsTravaux en français237 207