Prevalence of and risk factors for diabetes mellitus in the school-attending adolescent population of the United Arab Emirates: a large cross-sectional study
Notice bibliographique
Résumé
OBJECTIVES: The prevalence of diabetes has reportedly increased among adolescents in low-income and middle-income countries of the Middle East and may be linked to social, demographic and economic contextual factors. This study aimed: (1) to estimate the prevalence of self-reported diagnosis of diabetes in the adolescent population of the United Arab Emirates (UAE); (2) to assess differences in the prevalence based on gender and (3) to identify other characteristics of those with diabetes including parental marital status, smoking/illegal drug use, quality of life and nationality. DESIGN: A secondary data analysis was performed on data from the National Study of Population Health in the UAE, conducted between 2007 and 2009. SETTING: Large cross-sectional population-based survey study. PARTICIPANTS: Survey was administered to a stratified random sample of 151 public and private schools from the UAE, across 7 emirates. 6365 school-attending adolescents (12-22 years; mean=16 years) participated. OUTCOMES: Multivariable logistic regression analysis was used to examine the relationships between diabetes diagnosis and characteristics of participants after adjusting for confounding from other predictors. RESULTS: The overall prevalence of self-reported diabetes was 0.9% (95% CI 0.7% to 1.2%) and was higher in males 1.5% (95% CI 1.0% to 2.1%) than females 0.5% (95% CI 0.3% to 0.8%), (p<0.001). Children of parents who were not currently married had more than twice the odds of self-reporting diabetes (p=0.031) compared with those with married parents. Adolescents who reported ever smoking/using illegal drugs had more than three times the odds of diabetes (p<0.001). CONCLUSION: We found a positive association between certain characteristics of adolescents and their diabetes status, including male gender, parental marital status and smoking/illegal drug use. The high prevalence of smoking/illegal drug use among those reporting a diagnosis of diabetes suggests the need for behavioural and mental health interventions for adolescents with diabetes, as well as strong parental support and involvement.
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 | 0,001 |
| 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) | 0,001 | 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 ».