Population-based secular trends in lower-extremity amputation for diabetes and peripheral artery disease
Notice bibliographique
Résumé
<h3>BACKGROUND:</h3> The evolving clinical burden of limb loss secondary to diabetes and peripheral artery disease remains poorly characterized. We sought to examine secular trends in the rate of lower-extremity amputations related to diabetes, peripheral artery disease or both. <h3>METHODS:</h3> We included all individuals aged 40 years and older who underwent lower-extremity amputations related to diabetes or peripheral artery disease in Ontario, Canada (2005–2016). We identified patients and amputations through deterministic linkage of administrative health databases. Quarterly rates (per 100 000 individuals aged ≥ 40 yr) of any (major or minor) amputation and of major amputations alone were calculated. We used time-series analyses with exponential smoothing models to characterize secular trends and forecast 2 years forward in time. <h3>RESULTS:</h3> A total of 20 062 patients underwent any lower-extremity amputation, of which 12 786 (63.7%) underwent a major (above ankle) amputation. Diabetes was present in 81.8%, peripheral artery disease in 93.8%, and both diabetes and peripheral artery disease in 75.6%. The rate of any amputation initially declined from 9.88 to 8.62 per 100 000 between Q2 of 2005 and Q4 of 2010, but increased again by Q1 of 2016 to 10.0 per 100 000 (<i>p</i> = 0.003). We observed a significant increase in the rate of any amputation among patients with diabetes, peripheral artery disease, and both diabetes and peripheral artery disease. Major amputations did not significantly change among patients with diabetes, peripheral artery disease or both. <h3>INTERPRETATION:</h3> Lower-extremity amputations related to diabetes, peripheral artery disease or both have increased over the last decade. These data support renewed efforts to prevent and decrease the burden of limb loss.
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) | 0,000 | 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) | 0,002 | 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 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 ».