MétaCan
Menu
Retour à la cohorte
Enregistrement W3007112529 · doi:10.1371/journal.pmed.1003052

Secular trends in incidence of type 1 and type 2 diabetes in Hong Kong: A retrospective cohort study

2020· article· en· W3007112529 sur OpenAlexaff
Andrea O. Y. Luk, Calvin Ke, Eric S. H. Lau, Hongjiang Wu, William B. Goggins, Ronald C.W., Elaine Chow, Alice P.S. Kong, Wing‐Yee So, Juliana C.N. Chan

Notice bibliographique

RevuePLoS Medicine · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueDiabetes and associated disorders
Établissements canadiensUniversity of Toronto
Organismes subventionnairesChinese University of Hong KongNovo NordiskSanofiHospital AuthorityAstraZenecaAmgenPfizerHong Kong GovernmentInnovation and Technology Commission
Mots-clésMedicineIncidence (geometry)Type 2 diabetesDiabetes mellitusDemographyPopulationSecular variationType 1 diabetesCohort studyPediatricsInternal medicineEnvironmental healthEndocrinology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is very limited data on the time trend of diabetes incidence in Asia. Using population-level data, we report the secular trend of the incidence of type 1 and type 2 diabetes in Hong Kong between 2002 and 2015. METHODS AND FINDINGS: The Hong Kong Diabetes Surveillance Database hosts clinical information on people with diabetes receiving care under the Hong Kong Hospital Authority, a statutory body that governs all public hospitals and clinics. Sex-specific incidence rates were standardised to the age structure of the World Health Organization population. Joinpoint regression analysis was used to describe incidence trends. A total of 562,022 cases of incident diabetes (type 1 diabetes [n = 2,426]: mean age at diagnosis is 32.5 years, 48.4% men; type 2 diabetes [n = 559,596]: mean age at diagnosis is 61.8 years, 51.9% men) were included. Among people aged <20 years, incidence of both type 1 and type 2 diabetes increased. For type 1 diabetes, the incidence increased from 3.5 (95% CI 2.2-4.9) to 5.3 (95% CI 3.4-7.1) per 100,000 person-years (average annual percentage change [AAPC] 3.6% [95% CI 0.2-7.1], p < 0.05) in boys and from 4.3 (95% CI 2.7-5.8) to 6.4 (95% CI 4.3-8.4) per 100,000 person-years (AAPC 4.7% [95% CI 1.7-7.7], p < 0.05] in girls; for type 2 diabetes, the incidence increased from 4.6 (95% CI 3.2-6.0) to 7.5 (95% CI 5.5-9.6) per 100,000 person-years (AAPC 5.9% [95% CI 3.4-8.5], p < 0.05) in boys and from 5.9 (95% CI 4.3-7.6) to 8.5 (95% CI 6.2-10.8) per 100,000 person-years (AAPC 4.8% [95% CI 2.7-7.0], p < 0.05) in girls. In people aged 20 to <40 years, incidence of type 1 diabetes remained stable, but incidence of type 2 diabetes increased over time from 75.4 (95% CI 70.1-80.7) to 110.8 (95% CI 104.1-117.5) per 100,000 person-years (AAPC 4.2% [95% CI 3.1-5.3], p < 0.05) in men and from 45.0 (95% CI 41.4-48.6) to 62.1 (95% CI 57.8-66.3) per 100,000 person-years (AAPC 3.3% [95% CI 2.3-4.2], p < 0.05) in women. In people aged 40 to <60 years, incidence of type 2 diabetes increased until 2011/2012 and then flattened. In people aged ≥60 years, incidence was stable in men and declined in women after 2011. No trend was identified in the incidence of type 1 diabetes in people aged ≥20 years. The present study is limited by its reliance on electronic medical records for identification of people with diabetes, which may result in incomplete capture of diabetes cases. The differentiation of type 1 and type 2 diabetes was based on an algorithm subject to potential misclassification. CONCLUSIONS: There was an increase in incidence of type 2 diabetes in people aged <40 years and stabilisation in people aged ≥40 years. Incidence of type 1 diabetes continued to climb in people aged <20 years but remained constant in other age groups.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,148
Score d'incertitude au seuil0,294

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,245
Écart entre enseignants0,235 · 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 source (Gemma direct ou Codex distillé), 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

Citations86
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS MedicineMême sujetDiabetes and associated disordersTravaux en français237 207