Monitoring, treatment and control of blood glucose and lipids in Ontario First Nations people with diabetes
Notice bibliographique
Résumé
BACKGROUND: Indigenous people worldwide are disproportionately affected by diabetes and its complications.We aimed to assess the monitoring, treatment and control of blood glucose and lipids in First Nations people in Ontario. METHODS:We conducted a longitudinal population-based study using administrative data for all people in Ontario with diabetes, stratified by First Nations status.We assessed age-and sex-specific rates of completion of recommended monitoring for low-density lipoprotein (LDL) and glycated hemoglobin (A 1c ) from 2001/02 to 2014/15.We used data from 2014/15 to conduct a cross-sectional analysis of rates of achievement of A 1c and LDL targets and use of glucose-lowering medications. R E S U L T S :T h e s t u d y i n c l u d e d 22 240 First Nations people and 1 319 503 other people in Ontario with diabetes.Rates of monitoring according to guidelines were 20%-50% for A 1c and 30%-70% for lipids and were lowest for younger First Nations men.The mean age-and sex-adjusted A 1c level was higher among First Nations people than other people (7.59 [95% confidence interval (CI) 7.57 to 7.61] v. 7.03 [95% CI 7.02 to 7.03]).An A 1c level of 8.5% or higher was observed in 24.7% (95% CI 23.6 to 25.0) of First Nations people, compared to 12.8% (95% CI 12.1 to 13.5) of other people in Ontario.An LDL level of 2.0 mmol/L or less was observed in 60.3% (95% CI 59.7 to 61.6) of First Nations people, compared to 52.0% (95% CI 51.1 to 52.9) of other people in Ontario.Among those aged 65 or older, a higher proportion of First Nations people than other Ontarians were using insulin (28.1% v. 15.1%), and fewer were taking no medications (28.3% v. 40.1%). INTERPRETATION:As of 2014/15, monitoring and achievement of glycemic control in both First Nations people and other people in Ontario with diabetes remained suboptimal.Interventions to support First Nations patients to reach their treatment goals and reduce the risk of complications need further develop ment and study.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».