Prevalence and risk factors for diabetic retinopathy in China: a multi-hospital-based cross-sectional study
Notice bibliographique
Résumé
PURPOSE: To determine the prevalence and risk factors for diabetic retinopathy (DR) and sight-threatening diabetic retinopathy (STDR) in a multi-hospital-based DR screening programme among patients with diabetes in China, the Lifeline Express Diabetic Retinopathy Screening Program. METHODS: Patients with diabetes in eight hospitals across mainland China (both southern and northern) from January 2014 to July 2016 were recruited in this programme. All participants underwent a standardised interview and examinations and received digital fundus photography. DR severity was graded from retinal fundus photographs by retina specialists in the reading centre of Joint Shantou International Eye Center, according to the grading standards of the English National Screening Programme. STDR was defined as the presence of preproliferative DR (R2), proliferative DR (R3) and/or maculopathy (M1). RESULTS: 16 305 patients with diabetes were screened for DR in total. Fundus photographs were gradable for 15 078 patients (92.5%). The age-gender-standardised prevalence of any DR and STDR was 27.9% (95% CI, 27.2% to 28.6%) and 12.6% (95% CI, 12.1% to 13.1%), respectively. In the multiple logistic regression analysis, younger age (OR, 0.967), longer duration of diabetes (OR, 1.093), higher haemoglobin A1c (OR, 1.115), higher fasting plasma glucose (OR, 1.074), higher systolic blood pressure (OR, 1.014), faster heart rate (OR, 1.010), higher low-density lipoprotein (OR, 1.149), lower triglycerides (OR, 0.975), higher blood urea nitrogen (BUN) (OR, 1.012) and elevated serum creatinine level (OR, 1.003) were associated with the presence of DR. Similar risk factors, except for BUN and triglycerides, were found for STDR. CONCLUSIONS: The prevalence of DR and STDR in diabetes was 27.9% and 12.6%, respectively in this multi-hospital-based population across China. Compared with Western population with diabetes, similar risk factors for DR and STDR were found in Chinese patients with diabetes.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».