Social Determinants of Health Are Associated with Markers of Renal Injury in Adolescents with Type 1 Diabetes
Notice bibliographique
Résumé
OBJECTIVE: To examine the relationship between the social determinants of health and markers of early renal injury in adolescent patients with type 1 diabetes (T1D). STUDY DESIGN: Renal outcomes included estimated glomerular filtration rate (eGFR) and albumin-creatinine excretion ratio (ACR). Differences in urinary and serum inflammatory markers also were assessed in relation to social determinants of health. Regression analysis was used to evaluate the association between the Ontario Marginalization Index (ON-Marg) as a measure of the social determinants of health, patient characteristics, ACR, eGFR, and renal filtration status (hyperfiltration vs normofiltration). RESULTS: . Increasing marginalization was positively associated with eGFR (P < .0001) but not with ACR (P = .605). Greater marginalization was associated with greater median levels of urinary interleukin (IL)-2, IL-12 (p40), macrophage-derived chemokine, monocyte chemoattractant protein-3, and tumor necrosis factor-β and serum IL-2. ON-Marg was significantly associated with eGFR after we controlled for age, sex, body mass index z score, ethnicity, serum glucose, and hemoglobin A1c in linear regression. A similar association between hyperfiltration and ON-Marg score was observed in multivariable logistic regression. CONCLUSION: Increasing marginalization is significantly associated with both eGFR and hyperfiltration in adolescents with T1D and is associated with significant changes in urinary inflammatory biomarkers. These findings highlight a potentially important interaction between social and biological determinants of health in adolescents with T1D.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».