Diabetic Ketoacidosis (DKA) at Diabetes Diagnosis in Children (0-18 years) in Ontario, Canada: A Population-Based Retrospective Cohort Study of Health Administrative Data
Notice bibliographique
Résumé
IntroductionDiabetic ketoacidosis (DKA), a life-threatening complication of diabetes, is the leading cause of mortality and disability in children. The high cost of care for DKA and negative consequences of DKA on child’s health are known; however, the pediatric DKA trends in Ontario were not studied in the last fifteen years. Objectives and ApproachTo examine time trends of the prevalence of pediatric DKA at diabetes diagnosis and socio-demographic characteristics associated with the DKA risk (child’s sex; age; geographic region; rural residence; material deprivation and ethnic concentration) in Ontario, Canada. Person-level de-identified data from the provincial registry for all Ontario children (0-18 years) newly diagnosed with diabetes (type 1 and 2) in 2004-2012 was linked with records in the national discharge abstract database (CIHI DAD) at the Institute for Clinical and Evaluative Sciences (ICES). SAS software (v.9.3) was used for Poisson and logistic regressions. ResultsOf 10,617 children diagnosed with diabetes, 15.5% were diagnosed during a hospital admission for DKA. Prevalence of DKA at diagnosis did not change over the nine-year period (ptrend =0.99). There were statistically significant within-province regional differences in DKA prevalence at diabetes diagnosis, with the highest prevalence in South-Western Ontario (17.2%). Younger children (0-6 years and 7-12 years) were at higher DKA risk than 13-18 years old children (adjusted odds ratio (OR) 2.5 95% CI 2.2-2.8 and 2.1 95% CI 1.9-2.4). DKA at diabetes diagnosis was associated with material deprivation in young children (0-6 years)(OR 1.9 95% CI 1.4-2.5 for “most deprived” versus “least deprived”). In the older group (13-18 years), boys were at higher DKA risk than girls (OR 1.4 95% CI 1.1-1.7). Conclusion/ImplicationsPrevalence of pediatric DKA at diabetes diagnosis in Ontario is among the lowest in the world; however, higher DKA prevalence among children residing in some geographic regions or most deprived neighbourhoods of the province despite the universal access to government-funded health care warrants further research.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».