<p>Prevalence and identification of type 1 diabetes in Chinese adults with newly diagnosed diabetes</p>
Notice bibliographique
Résumé
Aim: This study aimed to estimate the prevalence of latent autoimmune diabetes of adults (LADA) and classic type 1 diabetes mellitus (T1DM) in newly diagnosed adult diabetes in China. Method: This cross-sectional study involved 17,349 newly diagnosed diabetes in adults aged ≥30 years from 46 hospitals within 31 months. Demographic characteristics, clinical features, and medical history were collected by trained researchers. T1DM as a whole was comprised of classic T1DM and LADA. Classic T1DM was identified based on the clinical phenotype of insulin-dependency, and LADA was differentiated from patients with initially an undefined diabetes type with standardized glutamic acid decarboxylase autoantibody testing at the core laboratory. The age and sex distributions from a large national survey of diabetes in China conducted in 2010 were used to standardize the prevalence of classic T1DM and LADA. Results: Among 17,349 adult patients, the prevalence of T1DM was 5.49% (95% CI: 4.90–6.08%) (5.14% [95% CI: 4.36–5.92%] in males and 6.16% [95% CI: 5.30–7.02%] in females), with 65% of these having LADA. The prevalence of classic T1DM decreased with increasing age ( p <0.05), while that of LADA was stable ( p >0.05). The prevalence of T1DM in overweight or obese patients was 3.42% (95% CI: 3.20–3.64%) and 2.42% (95% CI: 1.83–3.01%), respectively, and LADA accounted for 76.5% and 79.2% in these two groups. Conclusion: We draw the conclusion that T1DM, especially LADA, was prevalent in newly diagnosed adult-onset diabetes in China, which highlights the importance of routine islet autoantibodies testing in clinical practice. Keywords: diabetes, autoimmune, metabolism, differentiation
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 | 0,000 | 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 ».