Risk Factors Associated with Diabetes Mellitus in Local Population of Lahore, Pakistan
Notice bibliographique
Résumé
BACKGROUND: Diabetes is the leading cause of morbidity and mortality amongst the people of Pakistan. In 2015, 7 million people had diabetes and the number is still on raise. Family history of diabetes, high body mass index, and other sociodemographic factors are the risk factors of diabetes. Persistent exposure to excessive glucose may be a reason behind diabetic complications like nephropathy, neuropathy, retinopathy, cardiomyopathy and gestational diabetes mellitus.METHODS: For the evaluation of laboratory parameters, 600 blood samples were collected at Akhuwat Diabetic Centre and from Jinnah Hospital, Lahore. Demographic data of the participants was collected by filling a questionnaire. Lipid profile, liver enzymes, and renal function tests were performed and statistical analysis was done.RESULTS: Type 2 diabetes mellitus among other types is the most prevalent form of diabetes in our population. Family history of diabetes (p=0.002), Body Mass Index (>25) p<0.001, high cholesterol (p=0.04), high triglyceride p<0.001, high LDL p<0.001 and low HDL p<0.001 are significantly associated with the incidence of diabetes. Hypertension among the other comorbidities is more common in diabetic patients.CONCLUSION: Type 2 Diabetes Mellitus is highly prevalent in the local population. Improved lifestyle and proper medical monitoring can help to manage diabetes in our population.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».