Variations in all-cause mortality, premature mortality and cause-specific mortality among persons with diabetes in Ontario, Canada
Notice bibliographique
Résumé
INTRODUCTION: Patients with diabetes have a higher risk of mortality compared with the general population. Large population-based studies that quantify variations in mortality risk for patients with diabetes among subgroups in the population are lacking. This study aimed to examine the sociodemographic differences in the risk of all-cause mortality, premature mortality, and cause-specific mortality in persons diagnosed with diabetes. RESEARCH DESIGN AND METHODS: We conducted a population-based cohort study of 1 741 098 adults diagnosed with diabetes between 1994 and 2017 in Ontario, Canada using linked population files, Canadian census, health administrative and death registry databases. We analyzed the association between sociodemographics and other covariates on all-cause mortality and premature mortality using Cox proportional hazards models. A competing risk analysis using Fine-Gray subdistribution hazards models was used to analyze cardiovascular and circular mortality, cancer mortality, respiratory mortality, and mortality from external causes of injury and poisoning. RESULTS: After full adjustment, individuals with diabetes who lived in the lowest income neighborhoods had a 26% (HR 1.26, 95% CI 1.25 to 1.27) increased hazard of all-cause mortality and 44% (HR 1.44, 95% CI 1.42 to 1.46) increased risk of premature mortality, compared with individuals with diabetes living in the highest income neighborhoods. In fully adjusted models, immigrants with diabetes had reduced risk of all-cause mortality (HR 0.46, 95% CI 0.46 to 0.47) and premature mortality (HR 0.40, 95% CI 0.40 to 0.41), compared with long-term residents with diabetes. Similar HRs associated with income and immigrant status were observed for cause-specific mortality, except for cancer mortality, where we observed attenuation in the income gradient among persons with diabetes. CONCLUSIONS: The observed mortality variations suggest a need to address inequality gaps in diabetes care for persons with diabetes living in the lowest income areas.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».