use of HbA1c for new diagnosis of diabetes in those with hyperglycaemia on admission to or attendance at hospital urgently requires research
Notice bibliographique
Résumé
The prevalence of diabetes in Birmingham is 11% but it is 22% in hospital inpatients. Queen Elizabeth Hospital in Birmingham (QEHB) serves a multi-ethnic population with 6% Afro-Caribbean, 19% South Asian and 70% White European. A clinical audit of 18,965 emergency admissions to QEHB showed that 5% were undiagnosed but had admission glucose in the ‘diabetes’ range and 16% were in the ‘at risk’ range. The proportion of Afro-Caribbeans (7%) and South Asians (8%) in the ‘diabetes’ range was higher than White Europeans (5%). Given the magnitude of the problem, this paper explores the issues concerning the use of reflex HbA1c testing in the UK for diagnosis of diabetes in hospital admissions. HbA1c testing is suitable for most patients but conditions affecting red blood cell turnover invalidate the results in a small number of people. However, there are pertinent questions relating to the introduction of such testing in the NHS on a routine basis. Literature searches on a topical question ‘Is hyperglycaemia identified during emergency admission/attendance acted upon?’, were performed from 2016 to 2021 and 2016 to 2022. They identified 21 different, relevant, research papers - 5 from Australia, 9 from Europe including 4 from the UK, 5 from America and 1 each from Canada and Africa. These papers revealed an absence of established procedures for the management and follow-up of routinely detected hyperglycaemia using HbA1c when no previous diabetes diagnosis was recorded. Further work is required to determine the role of reflex HbA1c testing for diagnosis of diabetes in admissions with hyperglycaemia, and the cost-effectiveness and role of point-of-care HbA1c testing.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».