Prevalence and patterns of comorbidities in older people with type 2 diabetes in Australian primary care settings
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to identify the prevalence and patterns of comorbidity in community-dwelling older people with type 2 diabetes mellitus (T2DM) attending general practice settings in Australia. METHODS: This study involved a cross-sectional analysis using the Bettering the Evaluation and Care of Health (BEACH) sub-study data. In a series of sub-studies, a representative sample of general practitioners was asked to record all diagnosed chronic conditions for patients at 40 consecutive encounters using structured paper-based recording forms. The dataset was analysed with descriptive analyses, and exploratory factor analyses were applied to examine comorbidity patterns. RESULTS: Of the 14,042 patients aged 65 years or older, 2688 had a diagnosis of T2DM (19%). Of the 2688 patients with T2DM, hypertension was present in 67% (95% CI: 64.6-70.0), followed by arthritis 52% (95% CI: 48.8-54.8), hyperlipidaemia 45% (95% CI: 41.8-47.9), ischemic heart disease, 23% (95% CI: 20.7-24.9), depression 16% (95% CI: 48.8-54.8), atrial fibrillation 10% (95% CI: 8.9-11.6), congestive heart failure 7% (95% CI: 6.0-8.1), stroke/cerebrovascular accident 7% (95% CI: 5.4-8.2) and peripheral vascular disease 5% (95% CI: 4.4-6.2). We identified two comorbidity patterns among older people with T2DM. The first were psychological and musculoskeletal conditions and the second were cardiovascular conditions and chronic renal failure. CONCLUSIONS: The prevalence of cardiovascular and non-cardiovascular comorbidities in community-dwelling older people with T2DM was high. Adequate primary care strategies should be in place to support the long-term care for 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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle