Gaps and barriers in the control of blood glucose in people with type 2 diabetes
Notice bibliographique
Résumé
BACKGROUND: Glycaemic control is suboptimal in a large proportion of people with type 2 diabetes who are consequently at an increased and avoidable risk of potentially severe complications. We sought to explore attitudes and practices among healthcare professionals that may contribute to suboptimal glycaemic control through a review of recent relevant publications in the scientific literature. METHODS: An electronic search of the PubMed database was performed to identify relevant publications from January 2011 to July 2015. The electronic search was complemented by a manual search of abstracts from key diabetes conferences in 2014/2015 available online. RESULTS: Recently published data indicate that glycaemic control is suboptimal in a substantial proportion (typically 40%-60%) of people with diabetes. This is the case across geographic regions and in both low- and higher-income countries. Therapeutic inertia appears to be an important contributor to poor glycaemic control in up to half of people with type 2 diabetes. In particular, prescribers are often willing to tolerate extended periods of 'mild' hyperglycaemia as well as having low expectations for their patients. There are often delays of 3 years or longer in initiating or intensifying glucose-lowering therapy when needed. CONCLUSION: Many people with type 2 diabetes are failed by current management, with approximately half not achieving or maintaining appropriate target blood glucose levels, leaving these patients at increased and avoidable risk of serious complications. Review criteria: The methodology of this review article is detailed in the 'Methods' section.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 ».