Diabetes in Pakistan: Addressing the crisis
Notice bibliographique
Résumé
Population-based estimates for both type 1 and type 2 diabetes in low-income and middle-income countries are imprecise because of the paucity of registration and surveillance systems in these settings. Current estimates for diabetes prevalence are largely derived from the Global Burden of Disease study, 1 GBD 2019 Diabetes Mortality CollaboratorsDiabetes mortality and trends before 25 years of age: an analysis of the Global Burden of Disease Study 2019. Lancet Diabetes Endocrinol. 2022; 10: 177-192 Summary Full Text Full Text PDF PubMed Scopus (5) Google Scholar often complemented with more targeted surveys and compilations by the International Diabetes Federation (IDF). The most recent IDF Atlas 2 Sun H Saeedi P Karuranga S et al. IDF Diabetes Atlas: global, regional and country-level diabetes prevalence estimates for 2021 and projections for 2045. Diabetes Res Clin Pract. 2022; 183109119 Summary Full Text Full Text PDF Scopus (191) Google Scholar estimated that there are 33 million people living with type 2 diabetes in Pakistan—the third largest diabetes population globally. An additional 11 million adults in Pakistan have impaired glucose tolerance, while approximately 8·9 million people with diabetes remain undiagnosed. Data on long-term complications among people with diabetes in Pakistan are limited.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».