Low‐density lipoprotein cholesterol in adolescents and young adults with type 1 diabetes: Data from the Australasian Diabetes Data Network registry
Notice bibliographique
Résumé
AIM: To determine low-density lipoprotein cholesterol (LDL-C) screening frequency and levels, and factors associated with elevated LDL-C, in Australasian youth with type 1 diabetes (T1D). METHODS: Data were extracted from the Australasian Diabetes Data Network (ADDN), a prospective clinical quality registry, on all T1D healthcare visits attended by young people aged 16-25 years (with T1D duration of >1 year) between January 2011 and December 2020. The primary outcomes were elevated LDL-C > 2.6 mmol/L (100 mg/dL) and threshold for treatment: >3.4 mmol/L (130 mg/dL), according to consensus guidelines. Multivariable Generalised Estimated Equations (GEE) were used to examine factors associated with elevated LDL-C across all visits. RESULTS: A cohort of 6338 young people (52.6% men) were identified, of whom 1603 (25.3%) had ≥1 LDL-C measurement documented. At last measurement, mean age, age at T1D diagnosis and T1D duration were 18.3 ± 2.4, 8.8 ± 4.5 and 8.9 ± 4.8 years, respectively. LDL-C was elevated in 737 (46.0%) and at the treatment threshold in 250 (15.6%). In multivariable GEE elevated LDL-C continuously was associated with older age (OR = 0.07; 0.01-0.13, p = 0.02), female sex (OR = 0.31; 0.18-0.43; p < 0.001), higher HbA1c (OR = 0.04; 0.01-0.08; p = 0.01) and having an elevated BMI (OR = 0.17, 0.06-0.39, p < 0.001). CONCLUSIONS: LDL-C screening and levels are suboptimal in this cohort, increasing future cardiovascular complication risk. There is an urgent need to understand how healthcare services can support improved screening and management of dyslipidaemia in this population.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».