MétaCan
Menu
Retour à la cohorte
Enregistrement W3006011005 · doi:10.1136/bmjdrc-2019-000907

Ethnic variation in the conversion of prediabetes to diabetes among immigrant populations relative to Canadian-born residents: a population-based cohort study

2020· article· en· W3006011005 sur OpenAlexafffundabout
Ghazal S. Fazli, Rahim Moineddin, Arlene S. Bierman, Gillian L. Booth

Notice bibliographique

RevueBMJ Open Diabetes Research & Care · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensInstitute for Clinical Evaluative SciencesUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchAgency for Healthcare Research and QualityUniversity of TorontoOntario Ministry of Health and Long-Term CareHeart and Stroke Foundation of Canada
Mots-clésPrediabetesMedicineDemographyImmigrationEthnic groupPopulationDiabetes mellitusIncidence (geometry)CohortCohort studyType 2 diabetesGerontologyEnvironmental healthInternal medicineGeographyEndocrinology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The aim of this study was to compare absolute and relative rates of conversion from prediabetes to diabetes among non-European immigrants to Europeans and Canadian-born residents, overall, and by age and level of glycemia. RESEARCH DESIGN AND METHODS: We conducted a retrospective cohort population-based study using administrative health databases from Ontario, Canada, to identify immigrants (n=23 465) and Canadian born (n=1 11 085) aged ≥20 years with prediabetes based on laboratory tests conducted between 2002 and 2011. Individuals were followed until 31 December 2013 for the development of diabetes using a validated algorithm. Immigration data was used to assign ethnicity based on country of origin, mother tongue, and surname. Fine and Gray's survival models were used to compare diabetes incidence across ethnic groups overall and by age and glucose category. RESULTS: Over a median follow-up of 5.2 years, 8186 immigrants and 39 722 Canadian-born residents developed diabetes (7.1 vs 6.1 per 100 person-years, respectively). High-risk immigrant populations such as South Asians (HR: 1.72, 95% CI 1.55 to 1.99) and Southeast Asians (HR: 1.65, 95% CI 1.46 to 1.86) had highest risk of converting to diabetes compared with Western Europeans (referent). Among immigrants aged 20-34 years, the adjusted cumulative incidence ranged from 18.4% among Eastern Europeans to 52.3% among Southeast Asians. Conversion rates increased with age in all groups but were consistently high among South Asians, Southeast Asians and Sub-Saharan African/Caribbeans after the age of 35 years. On average, South Asians converted to diabetes 3.1-4.6 years earlier than Western Europeans and at an equivalent rate of conversion to Western Europeans who had a 0.5 mmol/L higher baseline fasting glucose value. CONCLUSIONS: High-risk ethnic groups converted to diabetes more rapidly, at younger ages, and at lower fasting glucose values than European populations, leading to a shorter window for diabetes prevention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,893

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,454
Écart entre enseignants0,340 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ Open Diabetes Research & CareMême sujetMigration, Health and TraumaTravaux en français237 207