Factors Associated With Attainment of Glycemic Targets Among Adults With Type 1 and Type 2 Diabetes in Canada: A Cross-sectional Study Using Primary and Specialty Care Electronic Medical Record Data
Notice bibliographique
Résumé
OBJECTIVE: Using a new database combining primary and specialty care electronic medical record (EMR) data in Canada, we determined attainment of glycemic targets and associated predictors among adults with diabetes. METHODS: We conducted a cross-sectional observational study combining primary and specialty care EMR data in Canada. Adults with diabetes whose primary care provider contributed to the National Diabetes Repository or who were assessed at a diabetes specialty clinic (LMC Diabetes and Endocrinology) between July 3, 2015, and June 30, 2019, were included. Diabetes type was categorized as type 2 diabetes (T2D) not prescribed insulin, T2D prescribed insulin, and type 1 diabetes (T1D). Covariates were age, sex, income quintile, province, rural/urban location, estimated glomerular filtration rate, medications, and insulin pump use. Associations between predictors and the outcome (glycated hemoglobin [A1C] of ≤7.0%) were assessed by multivariable logistic regressions. RESULTS: Among 122,106 adults, consisting of 91,366 with T2D not prescribed insulin, 25,131 with T2D prescribed insulin, and 5,609 with T1D, attainment of an A1C of ≤7.0% was 60%, 25%, and 23%, respectively. Proportions with an A1C of ≤7.5% and ≤8.0% were 75% and 84% for those with T2D not prescribed insulin, 41% and 57% for those with T2D prescribed insulin, and 37% and 53% for those with T1D. Highest vs lowest income quintile was associated with greater odds of meeting the A1C target (adjusted odds ratio [95% confidence interval] for each diabetes category: 1.15 [1.10 to 1.21], 1.21 [1.10 to 1.33], and 1.29 [1.04 to 1.60], respectively). Individuals in Alberta and Manitoba had less antihyperglycemic medication use and attainment of A1C target than other provinces. CONCLUSIONS: Attainment of glycemic targets among adults with diabetes was poor and differed by income and geographic location, which must be addressed in national diabetes strategies.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».