Risk of Foot Ulcer and Lower-Extremity Amputation Among Participants in the Diabetes Control and Complications Trial/Epidemiology of Diabetes Interventions and Complications Study
Notice bibliographique
Résumé
OBJECTIVE: Intensive glycemic control reduces the risk of kidney, retinal, and neurologic complications in type 1 diabetes (T1D), but whether it reduces the risk of lower-extremity complications is unknown. We examined whether former intensive versus conventional glycemic control among Diabetes Control and Complications Trial (DCCT) participants with T1D reduced the long-term risk of diabetic foot ulcers (DFUs) and lower-extremity amputations (LEAs) in the subsequent Epidemiology of Diabetes Interventions and Complications (EDIC) study. RESEARCH DESIGN AND METHODS: DCCT participants (n = 1,441) completed 6.5 years on average of intensive versus conventional diabetes treatment, after which 1,408 were enrolled in EDIC and followed annually over 23 years for DFU and LEA occurrences by physical examination. Multivariable Cox proportional hazard regression models estimated associations of DCCT treatment assignment and time-updated exposures with DFU or LEA. RESULTS: Intensive versus conventional glycemic control was associated with a significant risk reduction for all DFUs (hazard ratio 0.77 [95% CI 0.60, 0.97]) and a similar magnitude but nonsignificant risk reduction for first-recorded DFUs (0.78 [0.59, 1.03]) and first LEAs (0.70 [0.36, 1.36]). In adjusted Cox models, clinical neuropathy, lower sural nerve conduction velocity, and cardiovascular autonomic neuropathy were associated with higher DFU risk; estimated glomerular filtration rate <60 mL/min/1.73 m2, albuminuria, and macular edema with higher LEA risk; and any retinopathy and greater time-weighted mean DCCT/EDIC HbA1c with higher risk of both outcomes (P < 0.05). CONCLUSIONS: Early intensive glycemic control decreases long-term DFU risk, the most important antecedent in the causal pathway to LEA.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».