Diabetes Care of Non-obese Korean Americans: Considerable Room for Improvement
Notice bibliographique
Résumé
BACKGROUND: Family doctors are increasingly managing the diabetes care of Korean-Americans. Little is known about the prevalence of diabetes among non-obese Korean-Americans, or the extent to which they receive timely and appropriate diabetes care. The purpose of this investigation is to: (1) identify the prevalence of diabetes and to determine the adjusted odds of diabetes among non-obese Korean-Americans compared to non-Hispanic White (NHW) Americans, (2) examine the factors associated with having diabetes in a large sample of non-obese KoreanAmericans, and (3) determine the prevalence and adjusted odds of optimal frequency of eye care, foot care and A1C blood glucose level monitoring among non-obese Korean-Americans with diabetes in comparison to NHWs with diabetes. METHODS: Secondary analysis of population-based data from the combined 2007, 2009, and 2011 adult California Health Interview Survey. The sample included 74,361 respondents with body mass index (BMI) <30 kg/m2 (referred to as 'non-obese BMI'), of whom 2,289 were Korean-Americans and 72,072 were NHWs, and 4,576 had diabetes. RESULTS: The prevalence and adjusted odds of diabetes among non-obese Korean-Americans are significantly higher than among their NHW peers. More than 90% of Korean-Americans with diabetes were non-obese. NHWs had substantially higher odds of having optimal frequency of eye care, foot care and A1C glucose level monitoring, even after adjusting for insulin dependence, sex, age, education, income, and BMI. CONCLUSION: Non-obese Korean-Americans are at higher risk for diabetes and are much less likely to receive optimal diabetes care in comparison to NHWs. Targeted outreach is necessary.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».