Overtreatment and undertreatment in a sample of elderly people with diabetes
Notice bibliographique
Résumé
Aims In older adults with type 2 diabetes (T2D), overtreatment remains prevalent and undertreatment ignored. The main objective is to estimate the prevalence and examine factors associated with potential overtreatment and undertreatment Method Observational study conducted within an administrative database of older adults with T2D who registered in 2018 at the Portuguese Diabetes Association. Participants were categorized either as potentially overtreated (HbA1c≤7.5%), appropriately on target (HbA1c≥7.5–≤9%), or potentially undertreated (HbA1c>9%). Results of 444 participants, potential overtreatment, and undertreatment were found in 60.5% and 12.6% of the study population. Taking the patients on target as a comparator, the group of potentially overtreated showed to be more males (61.3% vs.52.2%), less-obese (34.1% vs.39.2), higher cardiovascular diseases (13.7% vs.11%), peripheral vascular diseases (16.7% vs.12.8%), diabetic foot (10% vs.4.5%), and severe kidney disease (5.2% vs.4.5%). Conversely, the potentially undertreated participants were more females (64.2% vs.47.7%), obese (49% vs.39.2%), had more dyslipidemia (69% vs.63.1%), peripheral vascular disease (14.2% vs.12.8%), diabetic foot (8.9% vs.4.5%), and infections (14.2% vs.11.9%). The odds of potential overtreatment were mostly decreased by 59% of females, 73.5% in those with retinopathy, and 86.3% in insulin, 65.4% sulfonylureas, and 66.8% in SGLT2 inhibitors users. Contrariwise, an increase in the odds of potential undertreatment was more than 4.8times higher in insulin, and more than 3.1times higher in sulfonylureas users. Conclusion potential overtreatment and undertreatment in older adults with T2D in routine clinical practice should guide the clinicians to balance the use of newer oral antidiabetic agents considering its safety profile regarding hypoglycemia.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».