Opportunities To Improve Diabetes Care in the Hemodialysis Unit: A Cohort Study in Ontario, Canada
Notice bibliographique
Résumé
Key Points Little is known about diabetes care gaps and predictors in patients using in-center hemodialysis. In Ontario, almost half of patients with diabetes on hemodialysis have diabetes care gaps; most commonly, gaps in retinopathy screening. Significant predictors of care gaps include younger age, female sex, shorter duration of diabetes, dementia, and fewer physician visits. Background Patients with diabetes receiving chronic, in-center hemodialysis face healthcare challenges. We examined the prevalence of gaps in their diabetes care, explored regional differences, and determined predictors of care gaps. Methods We conducted a population-based, retrospective study between January 1, 2016 and January 1, 2018 in Ontario, Canada. We included adults with prevalent diabetes mellitus receiving in-center hemodialysis as of January 1, 2018 and examined the proportion with ( 1 ) insufficient or excessive glycemic monitoring, ( 2 ) suboptimal screening for diabetes-related complications (retinopathy and cardiovascular screening), ( 3 ) hospital encounters for hypo- or hyperglycemia, and ( 4 ) hospital encounters for hypertension in the 2 years prior (January 1, 2016 to January 1, 2018). We then identified patient, provider, and health-system factors associated with more than one care gap and used multivariable logistic regression to determine predictors. Further, we used geographic information systems to explore spatial variation in gaps. Results There were 4173 patients with diabetes receiving in-center hemodialysis; the mean age was 67 years, 39% were women, and the majority were of lower socioeconomic status. Approximately 42% of patients had more than one diabetes care gap, the most common being suboptimal retinopathy screening (53%). Significant predictors of more than one gap included younger age, female sex, shorter duration of diabetes, dementia, fewer specialist visits, and not seeing a physician for diabetes. There was evidence of spatial variation in care gaps across our region. Conclusions There are opportunities to improve diabetes care in patients receiving in-center hemodialysis, particularly screening for retinopathy. Focused efforts to bring diabetes support to high-risk individuals might improve their care and outcomes.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| 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 ».