Epidemiology and Burden of Peripheral Artery Disease in People With Type 2 Diabetes: A Systematic Literature Review
Notice bibliographique
Résumé
Type 2 diabetes (T2D) and lower-extremity peripheral artery disease (PAD) are growing global health problems associated with considerable cardiovascular (CV) and limb-related morbidity and mortality, poor quality of life and high healthcare resource use and costs. Diabetes is a well-known risk factor for PAD, and the occurrence of PAD in people with T2D further increases the risk of long-term complications. As the available evidence is primarily focused on the overall PAD population, we undertook a systematic review to describe the burden of comorbid PAD in people with T2D. The MEDLINE, Embase and Cochrane Library databases were searched for studies including people with T2D and comorbid PAD published from 2012 to November 2021, with no restriction on PAD definition, study design or country. Hand searching of conference proceedings, reference lists of included publications and relevant identified reviews and global burden of disease reports complemented the searches. We identified 86 eligible studies, mostly observational and conducted in Asia and Europe, presenting data on the epidemiology (n = 62) and on the clinical (n = 29), humanistic (n = 12) and economic burden (n = 12) of PAD in people with T2D. The most common definition of PAD relied on ankle-brachial index values ≤ 0.9 (alone or with other parameters). Incidence and prevalence varied substantially across studies; nonetheless, four large multinational randomised controlled trials found that 12.5%-22% of people with T2D had comorbid PAD. The presence of PAD in people with T2D was a major cause of lower-limb and CV complications and of all-cause and CV mortality. Overall, PAD was associated with poor quality of life, and with substantial healthcare resource use and costs. To our knowledge, this systematic review provides the most comprehensive overview of the evidence on the burden of PAD in people with T2D to date. In this population, there is an urgent unmet need for disease-modifying agents to improve outcomes.
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 | 0,006 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,015 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».