Mediating Effects of Technology-Based Therapy on the Relationship Between Socioeconomic Status and Glycemic Management in Pediatric Type 1 Diabetes
Notice bibliographique
Résumé
Background: Socioeconomic disparities exist related to accessibility and uptake of diabetes technologies that impact glycemic management. The aims of this study were to describe diabetes technology use (continuous subcutaneous insulin infusion [CSII] and continuous glucose monitoring [CGM]) in children with type 1 diabetes (T1D) and assess the mediating effects of each technology on the relationship between socioeconomic status (SES) and glycemic management. Methods: Single-center retrospective cross-sectional study of children aged 0–18 years ( n = 813) with T1D and valid postal codes between 2018 and 2020. Extracted data were linked to validated census-based material deprivation (MD) quintiles. Exposures included MD and technology use (CSII, CGM), whereas the primary outcome was glycemic management (HbA1c). Results: Of 813 patients included, 379 (46.6%) and 246 (30.3%) individuals used CGM and CSII, respectively. Real-time CGM (rtCGM) and CSII were associated with both MD and HbA1c, but intermittently scanned CGM (isCGM) was not. There was a difference in HbA1c of +1.17% between patients from the most (Q5) and least deprived (Q1) MD quintile ( P < 0.0001), and significant mediating effects for rtCGM and CSII use, but not isCGM. rtCGM use and CSII use accounted for 0.14% ( P < 0.0001) and 0.25% ( P < 0.0001) of the difference in HbA1c between patients from Q1 and Q5 quintiles (indirect effects), representing 12.0% and 23.1% of this difference, respectively. Conclusions: CSII and rtCGM use partially mediated the significant discrepancies observed with SES and glycemic management, highlighting potential benefits of broader access to these technologies to improve diabetes outcomes and help mitigate the negative impact of deprivation on diabetes management.
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 | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 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 ».