MétaCan
Menu
← Retour à la cohorte
Enregistrement W4367292364 · doi:10.52106/2771-1331.1002

Incidence and Cardiovascular Risk Factors Profile in Obese and Non-obese Type 2 Diabetes Mellitus subjects aged between 30 and 80 years in the polyclinic, in an Omani Population: ICD OMAN a Decade-Long Bawshar Study

2021· article· en· W4367292364 sur OpenAlexaff
Shiju Raman Unni, Melba Sheila DSouza, Hani E. Naguib, Nasser Al Kindi, Maryam Al Baluchi, Avinash Daniel Pinto, Hanan Mahrooqi, Stan Landau

Notice bibliographique

RevueINTERNATIONAL JOURNAL OF DIABETES & METABOLIC SYNDROME · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes, Cardiovascular Risks, and Lipoproteins
Établissements canadiensThompson Rivers University
Organismes subventionnairesCardiff University
Mots-clésMedicinePolyclinicIncidence (geometry)ObesityInternal medicinePopulationDiabetes mellitusType 2 Diabetes MellitusCumulative incidenceRisk factorConfidence intervalCohortEnvironmental healthEndocrinology

Résumé

récupéré en direct d'OpenAlex

Background: Coronary heart disease (CHD) and stroke are the major cardiovascular diseases (CVD) among populations with Type 2 diabetes mellitus (T2DM), leading to significant morbidity and mortality. Objective: To identify the incidence and cardiovascular risk factor profiles of obese and non-obese Omani T2DM patients aged between 30 and 80 years followed since ten years in the polyclinic. Design: An observational longitudinal retrospective cohort design was used. Setting: A secondary care polyclinic in Bawshar, Muscat, Oman, was utilized where DM patients were seen three days a week. Sample Size: A Convenient sample of 130 patients with T2DM between 1st November 2019 to 31st January 2020, who were free of CVD at baseline (January 2010) were involved in the study. Materials and Methods: Socio-demographic data and CVD risk factor assessments at the baseline were retrieved from patient’s records. The first CVD outcomes were traced from the date of diagnosis of T2DM to January 31st 2020. The study compared the CVD risk factors among obese and non-obese T2DM patients at baseline. Data were analyzed using Statistical Package for social sciences (SPSS)Statistics Inc., Chicago, US version 25.0. Incidence was expressed in percentage with 95% confidence intervals (CI). p-value< 0.05 was considered Statistically significant. Results: The overall cumulative incidence of CVD was 16.15% over 10 years period. Middle aged (46 to 65years) individuals developed CVD with p value of 0.0028, p< 0.05. Out of 23 middle aged obese women 8 developed CVD compared to non-obese middle aged women with p value of 0.0375, p <0.05. Obese patients had uncontrolled Glycosylated hemoglobin (HbA1c) more than 8 mmol/l with calculated p value of 0.0018, p<0.05. Conclusion: The study revealed higher cumulative incidence of CVD, 16.15% with incidence density of 16 per 1000 persons per year with no gender difference and higher prevalence of CVD risk factors among Omani T2DM patients. Middle aged patients with no gender difference and obese women compared to non-obese women had higher incidence of CVD. Obese patients had uncontrolled HbA1c with no gender difference. Limitations: The study was retrospective in nature, and the sample recruited was a convenient sample which could cause selection bias. Recommendations: The outcomes of the study recommend the Ministry of Health, Oman, to provide GLP-1 agonists for middle-aged obese women to reduce the incidence of CVD by weight reduction and better glycemic control which is currently unavailable in the institution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,282
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINTERNATIONAL JOURNAL OF DIABETES & METABOLIC SYNDROME→Même sujetDiabetes, Cardiovascular Risks, and Lipoproteins→Travaux en français237 207→