Prevalence of anemia and its associated factors among patients with type 2 diabetes mellitus in a referral diabetic clinic in the north of Iran
Notice bibliographique
Résumé
BACKGROUND: PURPOSE: This study intended to investigate the prevalence of anemia and its associated factors among patients with type 2 diabetes mellitus (T2DM) in Gorgan, Iran. METHODS: This cross-sectional study was conducted on 415 (109 men) patients with T2DM referred to the referral diabetes clinic of Sayad Shirazi Hospital in Gorgan in 2021. Demographic information, anthropometric indices, past medical history, and some laboratory data on cell counts, serum blood glucose, HbA1c, creatinine, lipid/iron profiles, and urinary albumin were collected. The univariable and multivariable logistic regression analysis was applied to compute odds ratios (ORs) and 95% confidence intervals (CI) for potential associated factors, using SPSS version 21. The multivariable Model was adjusted for obesity, Hb A1c, T2DM duration, using glucose-lowering drugs (GLDs), chronic kidney disease (CKD), albuminuria, hypertriglyceridemia, and hypercholesterolemia. RESULTS: The prevalence of anemia was 21.5% [95%CI: 17.6-25.7] among our total participants. The corresponding values for men and women were 20.2 (13.1-29.0) and 21.9 (17.4-27.0), respectively.The adjusted model revealed that obesity (OR, 1.94 [95% CI, 1.17-3.23]), T2DM duration for more than five years (OR, 3.12 [1.78-5.47]), albuminuria (OR, 6.37 [3.13-10.91]), chronic kidney disease (OR, 4.30 [ 2.83-7.29]) and hypertriglyceridemia (OR, 1.72 [ 1.21-2.77]) were significantly associated with prevalent anemia among patients with T2DM. Moreover, using insulin separately or in combination with oral GLDs associated positively with the prevalence of anemia with ORs of 2.60 [1.42-6.42] and 1.87 [1.30-4.37] , respectively. CONCLUSION: Anemia had a high prevalence among patients with T2DM in the north of Iran (about 22%), which is associated with obesity, hypertriglyceridemia, duration of T2DM, and diabetic kidney disease.
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 | 0,001 |
| 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) | 0,001 | 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 ».