Socio‐economic differences in cardiovascular disease risk factor prevalence in people with type 2 diabetes in Scotland: a cross‐sectional study
Notice bibliographique
Résumé
Abstract Aim To describe the association between socio‐economic status and prevalence of key cardiovascular risk factors in people with type 2 diabetes in Scotland. Methods A cross‐sectional study of 264 011 people with type 2 diabetes in Scotland in 2016 identified from the population‐based diabetes register. Socio‐economic status was defined using quintiles of the area‐based Scottish Index of Multiple Deprivation (SIMD) with quintile (Q)1 and Q5 used to identify the most‐ and least‐deprived fifths of the population, respectively. Logistic regression models adjusted for age, sex, health board, history of cardiovascular disease and duration of diabetes were used to estimate odds ratios (ORs) for Q1 compared with Q5 for each risk factor. Results The mean ( sd ) age of the study population was 66.7 (12.8) years, 56% were men, 24% were in Q1 and 15% were in Q5. Crude prevalence in Q1/Q5 was 24%/8.8% for smoking, 62%/49% for BMI ≥ 30 kg/m 2 , 44%/40% for HbA 1c ≥ 58 mmol/mol (7.5%), 31%/31% for systolic blood pressure (SBP) ≥ 140 mmHg, and 24%/25% for total cholesterol ≥ 5 mmol/l, respectively. ORs [95% confidence intervals (CI)] were 3.08 (2.95–3.21) for current smoking, 1.48 (1.44–1.52) for BMI ≥ 30 kg/m 2 , 1.11 (1.08–1.15) for HbA 1c ≥ 58 mmol/mol (7.5%), 1.03 (1.00–1.06) for SBP ≥ 140 mmHg and 0.87 (0.84–0.90) for total cholesterol ≥ 5 mmol/l. Conclusions Socio‐economic deprivation is associated with higher prevalence of smoking, BMI ≥ 30 kg/m 2 and HbA 1c ≥ 58 mmol/mol (7.5%), and lower prevalence of total cholesterol ≥ 5 mmol/l among people with type 2 diabetes in Scotland. Effective approaches to reducing inequalities are required as well as reducing risk factor prevalence across the whole population.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».