Impact of government-funded insulin pump programs on insulin pump use in Canada: a cross-sectional study using the National Diabetes Repository
Notice bibliographique
Résumé
INTRODUCTION: Insulin pump access in type 1 diabetes may be inequitable. We studied the association between government funding programs for insulin pumps and rates of insulin pump use and disparities between pump users and non-users. RESEARCH DESIGN AND METHODS: Adults with type 1 diabetes were identified in the National Diabetes Repository, a primary care electronic medical record database of individuals with diabetes from five Canadian provinces. Proportions of individuals using insulin pumps were compared between provinces with and without pump funding programs. Multivariable logistic regression models were used to estimate the odds of insulin pump use adjusting for confounders. Univariate logistic regression models were used to estimate the odds of insulin pump use according to each predictor, according to pump funding program status. RESULTS: Of 1559 adults with type 1 diabetes, proportions using insulin pumps were 47.8% (95% CI 45.1% to 50.5%) and 37.7% (95% CI 31.5% to 44.1%) in provinces with and without pump funding programs (p=0.0038). Adjusting for age, sex, HbA1c, income quintile, and rural/urban location, the OR for insulin pump use was 1.45 (1.08-1.94) for provinces with pump funding programs compared with provinces without. Higher income was associated with a greater odds of insulin pump use in provinces with pump funding programs, and rural/urban location was not associated with insulin pump use. CONCLUSIONS: Insulin pump use is more common in regions with government funding programs. Further research is required to best understand and comprehensively address persistent income disparities between pump users and non-users despite the availability of reimbursement programs.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».