2163-PUB: Prevalence of Multiple Stress Factors in Young Adults with Type 2 Diabetes
Notice bibliographique
Résumé
Introduction: Incidence of type 2 diabetes (T2DM) among young adults (age <= 40) has been increasing rapidly. We hypothesize that this could be due to increasing levels of stress seen in this age group due to demographic, economic and environmental shifts that have occurred in the past 30 years. Method: Modifiable vs. non-modifiable risk factors were evaluated at a specialist diabetes and endocrinology clinic. Consecutive patients meeting the inclusions criteria (T2DM between the ages of 18 to 40), were provided with study questionnaire at their appointment over a 3 month period. The questionnaire assessed socio-economic factors, self-reported levels of stress, dietary habits, sleep duration and physical activity. Results: 52 patients (Males = 38 (73%)) completed the study questionnaire. Mean age (± SD) at diagnosis of T2DM was 31 (± 5.8). Thirty five (79%) were immigrants to Canada, of which 47% had immigrated to Canada within the last 10 years (2010-2019). Of the study participants, mean stress level (on a scale of 1-10) was 5.9 (± 2.7). Work stress was reported by 79.1%, financial stress by 43.7%, family related stress by 39.5%, and unemployment related stress by 10.4% of the patients. Other stressors reported were weight management and medication coverage. Twenty (38%) participants reported sleeping an avg of ≤ 6 hrs/day. Moderate intensity physical activity (≥ 150 mins per week) prior to diagnosis was reported by 36% patients. Discussion: High prevalence of modifiable risk factors such as stress, decreased physical activity, inadequate sleep was found in young adults with T2DM. Immigrants are at high risk of T2DM at a young age likely due to stressors as well as diet and lifestyle changes involved in relocating to a new country. Education regarding higher risk of T2DM at an early age, and interventions to reduce modifiable risk factors is paramount at an individual and societal level, in order to stem the epidemic of young onset T2DM. Disclosure S. Dave: None. K. Suntharamoorthy: None. S. Mohyiddin: None. U. Muhammad: None. S. Malik: None. N. Gupta: Speaker’s Bureau; Self; AstraZeneca, Boehringer Ingelheim (Canada) Ltd., Eli Lilly and Company, Merck & Co., Inc., Novo Nordisk Inc., Sanofi.
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 | 0,002 |
| 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) | 0,000 | 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 ».