Lipid profile is associated with treatment regimen in a large cohort of children and adolescents with Type 1 diabetes mellitus: a study from the international <scp>SWEET</scp> database
Notice bibliographique
Résumé
Abstract Aims To examine the effect of pump vs injection therapy on the lipid profile of children with Type 1 diabetes mellitus. Methods A cross‐sectional analysis of the lipid profile of children aged ≤ 18 years with Type 1 diabetes mellitus from SWEET , an international diabetes registry, was conducted with a focus on the effect of treatment regimen. Dyslipidaemia was defined as LDL cholesterol ≥2.6 mmol/l or non‐ HDL cholesterol ≥3.1 mmol/l. LDL and non‐ HDL cholesterol values among 14 290 children (52% boys, 51% receiving pump therapy) from 60 SWEET centres were analysed by linear and logistic regression analysis adjusted for sex, age, diabetes duration, HbA 1c and BMI ‐standard deviation score group, region, and common interactions between age, sex, HbA 1c and BMI . Results This study confirmed the established associations of increased lipids with female sex, age, diabetes duration, HbA 1c and BMI . LDL and non‐ HDL cholesterol levels were lower in the pump therapy group compared to the injection therapy group [ LDL cholesterol: injection therapy 2.44 mmol/l (95% CI 2.42 to 2.46) vs pump therapy 2.39 mmol/l (95% CI 2.37–2.41), P <0.001; non‐ HDL cholesterol: injection therapy 2.88 mmol/l (95% CI 2.86 to 2.90) vs pump therapy 2.80 mmol/l (95% CI 2.78–2.82), both P <0.0001]. Similarly, the odds ratios for LDL cholesterol ≥2.6 mmol/l [0.89 (95% CI 0.82–0.97)] and non‐ HDL cholesterol ≥3.1 mmol/l [0.85 (0.78 to 0.93)] were significantly lower in the pump therapy group, even after all adjustments. Conclusions Our results indicate that pump therapy is associated with a better lipid profile.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».