Constructing an Adapted Cascade of Diabetes Care Using Inpatient Admissions Data: Cross-sectional Study
Notice bibliographique
Résumé
Background The diabetes mellitus cascade of care has been constructed to evaluate diabetes care at a population level by determining the percentage of individuals diagnosed and linked to care as well as their reported glycemic control. Objective We sought to adapt the cascade of care to an inpatient-only setting using the electronic health record (EHR) data of 81,633 patients with type 2 diabetes. Methods In this adaptation, linkage to care was defined as prescription of diabetes medications within 3 months of discharge, and control was defined as hemoglobin A1c (HbA1c) below individual target levels, as these are the most reliably captured items in the inpatient setting. We applied the cascade model to assess differences in demographics and percent loss at each stage of the cascade; we then conducted two-sample chi-square equality of proportions tests for each demographic. Based on findings in the previous literature, we hypothesized that women, Black patients, younger patients (<45 years old), uninsured patients, and patients living in an economically deprived area called the Promise Zone would be disproportionately unlinked and uncontrolled. We also predicted that patients who received inpatient glycemic care would be more likely to reach glycemic control. Results We found that out of 81,633 patients, 28,716 (35.2%) were linked to care via medication prescription. Women and younger patients were slightly less likely to be linked to care than their male and older counterparts, while Black patients (n=19,141, 23.4% of diagnosed population vs n=6741, 23.5% of the linked population) were as proportionately part of the linked population as White patients (n=58,291, 71.4% of diagnosed population vs n=20,402, 71.0% of the linked population). Those living in underserved communities (ie, the Promise Zone) and uninsured patients were slightly overrepresented (n=6789, 8.3% of diagnosed population vs n=2773, 9.7% of the linked population) in the linked population as compared to patients living in wealthier zip codes and those who were insured. Similar patterns were observed among those more likely to reach glycemic control via HbA1c. However, conclusions are limited by the relatively large amount of missing glycemic data. Conclusions We conclude that inpatient EHR data do not adequately capture the care cascade as defined in the outpatient setting. In particular, missing data in this setting may preclude assessment of glycemic control. Future work should integrate inpatient and outpatient data sources to complete the picture of diabetes care.
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 | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».