The influence of diabetes on temporal trends in lower extremity revascularisation and amputation for peripheral artery disease: A population‐based repeated cross‐sectional analysis
Notice bibliographique
Résumé
AIM/HYPOTHESIS: To describe the influence of diabetes on temporal changes in rates of lower extremity revascularisation and amputation for peripheral artery disease (PAD) in Ontario, Canada. METHODS: In this population-based repeated cross-sectional study, we calculated annual rates of lower extremity revascularisation (open or endovascular) and amputation (toe, foot or leg) related to PAD among Ontario residents aged ≥40 years between 2002 and 2019. Annual rate ratios (relative to 2002) adjusted for changes in diabetes prevalence alone, as well as fully adjusted for changes in demographics, diabetes and other comorbidities, were estimated using generalized estimating equation models to model population-level effects while accounting for correlation within units of observation. RESULTS: Compared with 2002, the Ontario population in 2019 exhibited a significantly higher prevalence of diabetes (18% vs. 10%). Between 2002 and 2019, the crude rate of revascularisation increased from 75.1 to 90.7/100,000 person-years (unadjusted RR = 1.10, 95% CI = 1.07-1.13). However, after adjustment, there was no longer an increase in the rate of revascularisation (diabetes-adjusted RR = 0.98, 95% CI = 0.96-1.01, fully-adjusted RR = 0.94, 95% CI = 0.91-0.96). The crude rate of amputation decreased from 2002 to 2019 from 49.5 to 45.4/100,000 person-years (unadjusted RR = 0.78, 95% CI = 0.75-0.81), but was more pronounced after adjustment (diabetes-adjusted RR = 0.62, 95% CI = 0.60-0.64; fully-adjusted RR = 0.58, 95% CI = 0.56-0.60). CONCLUSIONS/INTERPRETATION: Diabetes prevalence rates strongly influenced rates of revascularisation and amputation related to PAD. A decrease in amputations related to PAD over time was attenuated by rising diabetes prevalence rates.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».