The association between diabetes mellitus and incident infections: a systematic review and meta-analysis of observational studies
Notice bibliographique
Résumé
Objective To quantify the association between diabetes and the risk of incident infections by conducting a systematic review and meta-analysis. Research design and methods Two reviewers independently screened articles identified from PubMed, EMBASE, Cochrane Library, IPA, and Web of Science databases. Cohort studies (CS) or case–control studies (CCS) evaluating the incidence of infections in adults with diabetes were included. Infections were classified as: skin and soft tissue, respiratory, blood, genitourinary, head and neck, gastrointestinal, bone, viral, and non-specified infections. Study quality was assessed using the Newcastle-Ottawa Quality Assessment Scale. Summary crude and adjusted OR with 95% CIs were calculated using random effects models, stratified by study design. Heterogeneity was measured using the I2statistic and explored using subgroup analyses. Results A total of 345 (243 CS and 102 CCS) studies were included. Combining adjusted results from all CS, diabetes was associated with an increased incidence of skin (OR 1.94, 95% CI 1.78 to 2.12), respiratory (OR 1.35, 95% CI 1.28 to 1.43), blood (OR 1.72, 95% CI 1.48 to 2.00), genitourinary (OR 1.61, 95% CI 1.42 to 1.82), head and neck (OR 1.17, 95% CI 1.13 to 1.22), gastrointestinal (OR 1.48, 95% CI 1.40 to 1.57), viral (OR 1.29, 95% CI 1.13 to 1.46), and non-specified (OR 1.84, 95% CI 1.66 to 2.04) infections. A stronger association was observed among CCS: skin (OR 2.64, 95% CI 2.20 to 3.17), respiratory (OR 1.62, 95% CI 1.37 to 1.92), blood (OR 2.40, 95% CI 1.68 to 3.42), genitourinary (OR 2.59, 95% CI 1.60 to 4.17), gastrointestinal (OR 3.61, 95% CI 2.94 to 4.43), and non-specified (OR 3.53, 95% CI 2.62 to 4.75). Conclusion Diabetes is associated with an increased risk of multiple types of infections. A high degree of heterogeneity was observed; however, subgroup analysis decreased the amount of heterogeneity within most groups. Results were generally consistent across types of infections.
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 | 0,025 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,043 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».