265-OR: Impact of the COVID-Pandemic on Diabetes Screening from 20to 2021 in Ontario, Canada
Notice bibliographique
Résumé
Diabetes incidence is expected to increase following the COVID-pandemic due to widespread changes in physical activity, diet, and access to health care services. We used administrative health care databases from Ontario, Canada to examine monthly changes in diabetes screening during the pandemic (Mar 2020-Feb 2021) compared to the pre-pandemic period (Mar 2019-Feb 2020) among adults aged 20-85 without prior diabetes. The eligible population was 9,599,079 in Mar 20 and 9,941,336 in Feb 2021. Overall, the number of people screened for diabetes was 25.3% lower in the pandemic (N=4,060,348) versus pre-pandemic (N=5,437,284) period. However, the number of people screened each month declined by 65.6% between February and April 2020 (Figure 1; 1.53 vs. 4.44 per 100, -2.91 per 100) . Screening rates recovered by July 2020 (3.88 per 100) but remained 15.6% lower than in the pre-pandemic period. Similar patterns were observed in all age groups but declines in screening rates between February and April 2020 were greatest in adults aged 35-49 (-69.4%) and 50-64 (-69.5%) . Findings were also consistent across income groups. In summary, we observed a sudden decline in diabetes screening in Ontario, Canada, where laboratory tests and other health care services are universally insured. This may lead to delays in prediabetes and diabetes diagnosis, resulting in missed opportunities for diabetes prevention and early management. Disclosure G.S.Fazli: None. R.Moineddin: None. V.Ling: None. G.L.Booth: None. Funding Canadian Institute for Health Research
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».