3-OR: Severe Hypoglycemia among Older Adults with Diabetes (iNPHORM, USA)
Notice bibliographique
Résumé
Despite an aging US diabetes population, little is known about the real-world frequency of iatrogenic severe hypoglycemia (SH) among older adults. We analyzed iNPHORM data to address this gap. People ≥60-year-old with T1DM or T2DM on insulin and/or secretagogues were recruited from a probability-based internet panel. Data on SH were obtained via a screener, baseline, and 12 monthly follow-ups. Crude SH incidence rates (IRs) and proportions (IPs) were calculated overall, and by diabetes type, medication type, and mode of SH recovery. N=307 were analyzed (T1DM: 8.5%; age: 67.5 [SD:5.5] years; male: 54.1%; retention rate: 81.8%). Among T2DM respondents, 39.9% used insulin without secretagogues, 50.2% secretagogues without insulin, and 10.0% insulin and secretagogues. The overall IP of SH was 19.9 (95%CI: 15.8-24.7)%, and the IR was 0.89 (95%CI: 0.62-1.27) events per person-year (EPPY). People with T1DM had a higher total IP (42.3 [95%CI: 25.5-61.1]%) and IR (2.07 [95%CI: 0.98-4.38] EPPY) than those with T2DM (IP: 17.8 [95%CI: 13.8-22.7]%; IR: 0.78 [95%CI: 0.52-1.15] EPPY), including insulin without secretagogue users (1.09 [95%CI: 0.66-1.80] vs. 0.61 [95%CI: 0.26 to 1.45] [insulin with secretagogues] and 0.50 [95%CI: 0.23 to 1.05] [secretagogues without insulin] EPPY). Emergency care and hospitalization constituted 3.6% (T1DM: 0%; T2DM: 6.7%) and 1.8% (T1DM: 0%; T2DM: 2.2%) of SH (n=224), respectively. Paramedical/hospital-based SH was more common in T2DM (0.06 [95%CI: 0.02-0.19]) than T1DM (0 EPPY) with IRs highest among insulin without secretagogue users (0.11 [95%CI: 0.03-0.47] EPPY). This is the first US prospective study on SH frequency in older adults with diabetes. Most (96.4%) events occurred at-home, underscoring the need for self-reported SH capture. Overall IPs and IRs were greater in T1DM than T2DM; but those with T2DM had more healthcare-based events. To mitigate undue health and economic costs, it is imperative clinicians remain vigilant to preventing SH in this vulnerable and growing population. Disclosure A.Ratzki-leewing: Consultant; Novo Nordisk, Eli Lilly and Company, Research Support; Sanofi. J.E.Black: None. G.Zou: None. B.L.Ryan: None. S.B.Harris: Advisory Panel; Bayer Inc., AstraZeneca, Eli Lilly and Company, Dexcom, Inc., Novo Nordisk A/S, Novo Nordisk Canada Inc., Sanofi, Consultant; Abbott Diabetes, Janssen Pharmaceuticals, Inc., Other Relationship; American Diabetes Association, Research Support; Abvance Therapeutics, Canadian Institutes of Health Research. Funding Sanofi Global
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».