<i>Worldwide differences in childhood type 1 diabetes: The</i> SWEET <i>experience</i>
Notice bibliographique
Résumé
OBJECTIVE: To study worldwide differences in childhood diabetes, comparing relevant indicators among five regions within the SWEET initiative. SUBJECTS: We investigated 26 726 individuals with type 1 diabetes (T1D) from 54 centers in the European region; 7768 individuals from 30 centers in the Asia/Middle East/Africa region; 2642 people from five centers in Australia/New Zealand; 10 839 individuals from seven centers in North America, and 1114 patients from five centers in South America. METHODS: The SWEET database was analyzed based on the following inclusion criteria: T1D, time period 2015-2019, and age < 21 years, with analysis of the most recent documented year of therapy. For the statistical analysis, we used multivariable linear and logistic regression models to adjust for age (<6 years, 6- < 12 years, 12- < 18 years, 18- < 21 years), gender, and duration of diabetes (<2 years, 2- < 5 years, 5- < 10 years, ≥10 years). RESULTS: Adjusted HbA1c means ranged from 7.8% (95%-confidence interval: 7.6-8.1) in Europe to 9.5% (9.2-9.8) in Asia/Middle East/Africa. Mean daily insulin dose ranged from 0.8 units/kg in Europe (0.7-0.8) and Australia/New Zealand (0.6-0.9) to 1.0 unit/kg 0.9-1.1) in Asia/Middle East/Africa. Percentage of pump use was highest in North America (80.7% [79.8-81.6]) and lowest in South America (4.2% [3.2-5.6]). Significant differences between the five regions were also observed with regards to body mass index SD scores, frequency of blood glucose monitoring and presence of severe hypoglycaemia. CONCLUSIONS: We found significant heterogeneity in diabetes care and outcomes across the five regions. The aim of optimal care for each child remains a challenge.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».