The quality of diabetes care among cancer survivors: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: As cancer survivorship continues to improve, management of co-morbid diabetes has become an increasingly important determinant of health outcomes for people with cancer. This study aimed to compare indicators of diabetes quality of care between people with diabetes and without a history of cancer. METHODS: We used the Electronic Medical Record Administrative data Linked Database (EMRALD), a database of Ontario primary care EMR charts linked to administrative data, to identify people with diabetes and at least 1 year follow-up. Persons with a history of cancer were matched 1:2 on age, sex and diabetes duration to those without cancer. We compared recommended diabetes quality of care indicators between persons with and without cancer using a matched cohort analysis. RESULTS: Among 229,627 people with diabetes, we identified 2275 people with cancer and 4550 matched controls; 86.5% had diabetes diagnosed after cancer. Compared to controls, cancer people with diabetes were significantly less likely to receive ACE inhibitors or angiotensin receptor blockers (OR 0.75 [95% CI 0.64-0.89]), receive statin therapy if age 50-80 years (OR 0.79 [95% CI 0.68-0.92]) and achieve an LDL cholesterol level <2.0 mmol/L (OR 0.82 [95% CI 0.74-0.91]). There were no differences in recommended clinical testing or achieving A1C and blood pressure targets between groups. CONCLUSION: Cancer survivors with diabetes are less likely to receive recommended cardiovascular risk-reducing therapies compared to people with diabetes without cancer of similar age, sex and diabetes duration. Further studies are warranted to determine if these associations are linked to worse survival, cardiovascular outcomes and quality of life.
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) | 0,001 | 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 ».