The prevalence of diabetes mellitus with chronic kidney disease in adults and associated factors in Songjiang District, Shanghai
Notice bibliographique
Résumé
BACKGROUND: Diabetes mellitus (DM) complicated with chronic kidney disease (CKD) has been a severe public health issue in China. This study aimed to investigate the prevalence of adult DM complicated with CKD and its associated factors in Songjiang District, Shanghai. METHODS: A large-scale community-based cross-sectional study was conducted among 36,077 participants aged 20-74 years in Songjiang District, Shanghai between June 2016 and December 2017. Epidemiological data of the Shanghai Suburban Adult Cohort and Biobank (SSACB) and electronic health record (EHR) data based on the big data platform of Songjiang District were combined to estimate the prevalence of adult DM with CKD. Factors associated with DM complicated with CKD were analyzed by using univariate and multivariate logistic regression models with adjusted odds ratios (aOR) and their 95% confidence intervals (CI). RESULTS: The overall prevalence of adult DM with CKD among the community population in Songjiang District, Shanghai was 2.9% (95% CI: 2.8-3.1%). The prevalence significantly increased with age and the prevalence was significantly lower than in men than in women (2.4% vs. 3.3%, P<0.001). Factors were positively associated with adult DM with CKD including female (aOR: 1.40; 95% CI: 1.13-1.72), older age (aOR for 40-59 years age group: 3.85; 95% CI: 1.92-7.72; aOR for ≥60 years age group: 6.17; 95% CI: 3.05-12.47), urban community (aOR: 1.61; 95% CI: 1.38-1.87), HbAlc ≥6.5% (aOR: 24.01; 95% CI: 20.59-28.01), hypertension (aOR: 2.16; 95% CI: 1.77-2.64), dyslipidemia (aOR: 1.58; 95% CI: 1.35-1.84), coronary heart disease (CHD, aOR: 2.15; 95% CI: 1.84-2.52), hyperuricemia (aOR: 1.61; 95% CI: 1.36-1.90) and family history of DM (aOR: 2.73; 95% CI: 2.26-3.29). In sensitivity analysis, those factors except female and urban community were still positively associated with adult DM with CKD. CONCLUSIONS: DM with CKD was common among adults in Songjiang District, Shanghai. Effective public health programs should be developed to control DM with CKD for targeted populations.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».