MétaCan
Menu
Retour à la cohorte
Enregistrement W4380730879 · doi:10.2196/42607

Glycemic Control, Renal Progression, and Use of Telemedicine Phone Consultations Among Japanese Patients With Type 2 Diabetes Mellitus During the COVID-19 Pandemic: Retrospective Cohort Study

2023· article· en· W4380730879 sur OpenAlexvenueno aff
Akiko Sankoda, Yugo Nagae, Kayo Waki, Wei Thing Sze, Koji Oba, Makiko Mieno, Masaomi Nangaku, Toshimasa Yamauchi, Kazuhiko Ohe

Notice bibliographique

RevueJMIR Diabetes · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineGlycemicTelemedicineRetrospective cohort studyGlycated hemoglobinDiabetes mellitusType 2 Diabetes MellitusLogistic regressionInternal medicineCohortPandemicMultivariate analysisOutpatient clinicType 2 diabetesCoronavirus disease 2019 (COVID-19)Emergency medicinePediatricsHealth careDisease

Résumé

récupéré en direct d'OpenAlex

Background Reduced or delayed medical follow-ups have been reported during the COVID-19 pandemic, which may lead to worsening clinical outcomes for patients with diabetes. The Japanese government granted special permission for medical institutions to use telephone consultations and other remote communication modes during the COVID-19 pandemic. Objective We aimed to evaluate changes in the frequency of outpatient consultations, glycemic control, and renal function among patients with type 2 diabetes before and during the COVID-19 pandemic. Methods This is a retrospective single-cohort study conducted in Tokyo, Japan, analyzing results for 3035 patients who visited the hospital regularly. We compared the frequency of outpatient consultations attended (both in person and via telemedicine phone consultation), glycated hemoglobin A1c (HbA1c), and estimated glomerular filtration rate (eGFR) among patients with type 2 diabetes mellitus during the 6 months from April 2020 to September 2020 (ie, during the COVID-19 pandemic) with those during the same period of the previous year, 2019, using Wilcoxon signed rank tests. We conducted a multivariate logistic regression analysis to identify factors related to the changes in glycemic control and eGFR. We also compared the changes in HbA1c and eGFR from 2019 to 2020 among telemedicine users and telemedicine nonusers using difference-in-differences design. Results The overall median number of outpatient consultations attended decreased significantly from 3 (IQR 2-3) in 2019 to 2 (IQR 2-3) in 2020 (P<.001). Median HbA1c levels deteriorated, though not to a clinically significant degree (6.90%, IQR 6.47%-7.39% vs 6.95%, IQR 6.47%-7.40%; P<.001). The decline in median eGFR was greater during the year 2019-2020 compared to the year 2018-2019 (–0.9 vs –0.5 mL/min/1.73 m2; P=.01). Changes in HbA1c and eGFR did not differ between patients who used telemedicine phone consultations and those who did not. Age and HbA1c level before the pandemic were positive predictors of worsening glycemic control during the COVID-19 pandemic, whereas the number of outpatient consultations attended was identified as a negative predictor of worsening glycemic control during the pandemic. Conclusions The COVID-19 pandemic resulted in reduced attendance of outpatient consultations among patients with type 2 diabetes, and these patients also experienced deterioration in kidney function. Difference in consultation modality (in person or by phone) did not affect glycemic control and renal progression of the patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,013
Score d'incertitude au seuil0,616

Scores Codex et Gemma par catégorie

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

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 Opus0,020
Tête enseignante GPT0,324
Écart entre enseignants0,304 · 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 tête enseignante, 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR DiabetesMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207