Diabetes care practices and outcomes in 40.000 children and adolescents with type 1 diabetes from the SWEET registry during the COVID-19 pandemic
Notice bibliographique
Résumé
AIMS: This study aimed to provide a global insight into initiatives in type 1 diabetes care driven by the COVID-19 pandemic and associations with glycemic outcomes. METHODS: An online questionnaire regarding diabetes care before and during the pandemic was sent to all centers (n = 97, 66,985 youth with type 1 diabetes) active in the SWEET registry. Eighty-two responded, and 70 (42,798 youth with type 1 diabetes) had available data (from individuals with type 1 diabetes duration >3 months, aged ≤21 years) for all 4 years from 2018 to 2021. Statistical models were adjusted, among others, for technology use. RESULTS: Sixty-five centers provided telemedicine during COVID-19. Among those centers naive to telemedicine before the pandemic (n = 22), four continued only face-to-face visits. Centers that transitioned partially to telemedicine (n = 32) showed a steady increase in HbA1c between 2018 and 2021 (p < 0.001). Those that transitioned mainly to telemedicine (n = 33 %) improved HbA1c in 2021 compared to 2018 (p < 0.001). CONCLUSIONS: Changes to models of care delivery driven by the pandemic showed significant associations with HbA1c shortly after the pandemic outbreak and 2 years of follow-up. The association appeared independent of the concomitant increase in technology use among youth with type 1 diabetes.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».