A retrospective observational population‐based study to assess the prevalence and burden of illness of type 2 diabetes with an estimated glomerular filtration rate < 90 mL/min/1.73 m <sup>2</sup> in Ontario, Canada
Notice bibliographique
Résumé
Abstract Aim To better understand the healthcare burden of people with type 2 diabetes (T2D) and estimated glomerular filtration rate (eGFR) < 90 mL/min/1.73 m 2 in Ontario, Canada. Materials and Methods We used administrative data to evaluate the prevalence of T2D, eGFR < 90 mL/min/1.73 m 2 and adverse cardiovascular co‐morbidities in individuals aged ≥ 30 years living in Ontario, Canada. We also examined incremental healthcare costs and healthcare resource utilization (HCRU) for these patients with specific incident cardiovascular and renal outcomes, in comparison with controls without these outcomes. Results While the prevalence of T2D in the general population aged ≥ 30 years in Ontario increased by 1.8% over a 5‐year period (2011‐2012 to 2015‐2016), the prevalence of eGFR < 90 mL/min/1.73 m 2 among people with T2D increased by 35%. In comparison with corresponding controls without these outcomes, the per patient average total costs (Canadian dollars) over a 2‐year analysis period were higher for patients with cardiovascular disease/chronic kidney disease related death ($69 827; n = 32 407), doubling of serum creatinine ($52 260; n = 22 825), those who started dialysis ($150 627; n = 3499) or received a kidney transplant ($50 664; n = 651). Similarly, HCRU was significantly greater for patients with these incident outcomes. Conclusions This real‐world retrospective study highlights an increasing prevalence of T2D, eGFR < 90 mL/min/1.73 m 2 , and the substantially higher healthcare costs and HCRU when these patients have adverse cardiovascular and renal outcomes. The existence of such a large economic burden underpins the importance of preventing these diabetes‐related complications.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».