Prevalence of anemia and its associated factors among patients with type 2 diabetes mellitus in the north of Iran
Notice bibliographique
Résumé
Abstract Background: Purpose: This study intended to investigate the prevalence of anemia and its associated factors among patients with type 2 diabetes mellitus (T2DM) in Gorgan, North of Iran.Methods: This cross-sectional study was performed on 415 (109 men) patients with T2DM referred to Gorgan Diabetes Clinic in 2021. Demographic information was collected and some laboratory tests such as cell counts, serum blood glucose, creatinine, lipid and iron profiles, and urinary albumin were performed. Multivariable logistic regression analysis was applied to compute odds ratios (ORs) and 95% confidence intervals (CI) for potential associated factors, using SPSS version 21.Results: The prevalence of anemia was about 21% among our participants. The adjusted model revealed that obesity (OR, 1.94 [95% CI, 1.17-1.23]), T2DM duration for more than five years (OR, 3.12 [CI, 1.78-5.47]), albuminuria (OR, 6.37 [CI, 3.13-10.91]), chronic kidney disease (OR, 4.30 [CI, 2.83-8.29]) and high triglycerides (OR, 1.72 [CI, 1.21-2.77]) were significantly associated with anemia among patients with T2DM. Moreover, using insulin both with (OR, 2.60 [CI, 1.42-6.42]) and without (OR, 1.87 [CI, 1.30-4.37]) oral glucose-lowering medications had a positive association with prevalence of anemia among our participants.Conclusion: Anemia had a high prevalence among patients with T2DM in the north of Iran which is associated with obesity and hypertriglyceridemia, duration and severity of T2DM, and diabetic kidney disease.
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 | 0,000 | 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 ».