1334-P: Prognostic Implications of Diabetic Ketoacidosis on Long-Term Mortality and Diabetes-Related Complications
Notice bibliographique
Résumé
Introduction & Objective: Diabetic ketoacidosis (DKA) occurring after diabetes diagnosis is often associated with risk factors for other diabetes-related complications. We aimed to determine the prognostic implications of DKA on mortality and complications in type 1 diabetes (T1D). Methods: Previously collected data from the Diabetes Control and Complications Trial/Epidemiology of Diabetes Interventions and Complications (DCCT/EDIC) Study was obtained through the NIDDK central repository. Using Cox proportional-hazards models with time-dependent covariates, we examined age- and sex-, HbA1c-, and fully-adjusted associations of DKA with mortality, cardiovascular disease, microvascular, and acute complications over 34 years. Results: Of 1441 participants, 297 (20.6%) had 488 DKA events. DKA after diabetes diagnosis was associated with a higher risk of age- and sex-adjusted mortality [hazard ratio (HR) 8.28, 95% confidence interval (CI) 3.74-18.32, p<0.001], major adverse cardiovascular events (HR 2.05, 95% CI 1.34-3.13, p<0.001), and all advanced microvascular and acute complications compared to no DKA after diabetes diagnosis. Most associations were significant even after adjustment for covariates. The cumulative incidence and hazard estimates for someone exposed to DKA compared to unexposed were greater for mortality (6.0% vs. 1.3%), major adverse cardiovascular events (12.3% vs. 6.5%), advanced neuropathy (23.1% vs. 14.4%), advanced nephropathy (6.8% vs. 2.2%), advanced retinopathy (51.9% vs. 43.7%), severe hypoglycemia (6 events vs. 5 events), and recurrent DKA (1 event vs. 0 events). Conclusions: DKA is a prognostic marker for diabetes complications, including excess mortality. Intensified clinical interventions, such as enhanced self-management education, glycemic control, and cardiovascular prevention strategies may be warranted following the diagnosis of DKA. Disclosure D.R. Budhram: None. P. Bapat: None. A.M.K. Bakhsh: None. M.I. Abuabat: None. N. Verhoeff: None. D. Mumford: None. A. Orszag: None. A.B. Jain: Advisory Panel; Abbott. Speaker's Bureau; Abbott. Advisory Panel; Boehringer-Ingelheim. Speaker's Bureau; Boehringer-Ingelheim. Advisory Panel; Amgen Inc. Speaker's Bureau; Amgen Inc., AstraZeneca. Advisory Panel; AstraZeneca. Speaker's Bureau; Care to Know, CCRN, Connected in Motion, CPD Network, Dexcom, Diabetes Canada, Eli Lilly, GSK, HLS Therapeutics, Janssen, Master Clinician Alliance, MDBriefcase, Merck, Medtronic, Moderna, Novartis, N. Advisory Panel; Bausch Healthcare, Bayer,, Dexcom, Eli Lilly, Gilead Sciences, GSK, HLS Therapeutics, Insulet, Janssen, Medtronic, Novo Nordisk, Partners in Progressive Medical Education, Pfizer, PocketPills, Roche,. M. Fralick: Consultant; singal1, proofdx. A. Weisman: None. L. Lovblom: None. B.A. Perkins: Advisory Panel; Abbott. Other Relationship; Novo Nordisk. Advisory Panel; Insulet Corporation, Nephris. Other Relationship; Medtronic. Advisory Panel; Sanofi, Vertex Pharmaceuticals Incorporated, Dexcom, Inc. Funding Diabetes Canada (Operating Grant OG-3-21-5572-BP)
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».