Epidemiology of type 1 and type 2 diabetes mellitus in Kazakhstan: data from unified National Electronic Health System 2014–2019
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: We aimed to explore descriptive epidemiology of T1 and T2 Diabetes Mellitus (DM) and to investigate demographic factors and comorbidities associated with all-cause mortality by aggregating and utilizing large-scale administrative healthcare data from the Unified National Electronic Health System (UNEHS) of Kazakhstan for 2014-2019 years period. METHODS: A total of 475,539 individuals were included in the analyses. The median years of follow-up for Type 1 DM patients accounted for 4.7 years and 4.5 years in Type 2 DM patients. We used Kaplan-Meier and log-rank test to calculate failure function and differences in survival by age, sex, ethnicity, and comorbidities with all-cause mortality for Type 1 and Type 2 DM. Cox proportional hazards regression analysis was used to obtain crude and adjusted hazard ratios. RESULTS: Prevalence of Type 1 and Type 2 DM increased 1.7 times from 2014 to 2019. Mortality of Type 1 and Type 2 DM also increased 4 times and 6 times from 2014 to 2019, respectively. Male sex, older age and Kazakh ethnicity were associated with a higher risk of all-cause death compared to females, younger age and other nationalities than Kazakh in patients with Type 1 and Type 2 DM. Coronary artery disease, diabetic nephropathy, stroke, amputations and neoplasms were associated with a higher risk of all-cause death. CONCLUSION: The prevalence and mortality rate of Type 1 and Type 2 DM increased during the years 2014-2019 in Kazakhstan. Male sex, older age and Kazakh ethnicity were associated with a higher risk of all-cause death compared to females, younger age and other nationalities than Kazakh. Coronary artery disease, diabetic nephropathy, stroke, amputations and neoplasms were associated with a higher risk of all-cause death.
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.
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 | 0,000 |
| 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 découle