Risk factors for urinary tract infection in elderly patients with type 2 diabetes: A protocol for systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: Type 2 diabetes mellitus (T2DM) is a frequent chronic condition among the elderly, which increasing their susceptibility to infection. Urinary tract infection (UTI) is one of the most prevalent infections among older people with T2DM. However, the association between geriatric T2DM and the risk of UTI has not been thoroughly researched and is still contentious. Consequently, this protocol describes a systematic review to pinpoint the primary risk factors for UTI among elderly T2DM. Our goal is to improve recommendations for the creation of targeted treatment interventions by examining risk factors for UTI in elderly individuals with T2DM. METHODS AND ANALYSIS: We will search 4 English literature databases (PubMed, Embase, Web of Science, and Cochrane Library) and 3 major Chinese databases (CNKI, WanFang, and VIP) from the establishment of the database to June 20, 2024. Systematic evaluation and meta-analysis will be conducted on cohort and case-control studies exploring the occurrence and risk determinants of UTI in individuals diagnosed with T2DM. The main focus will be on identifying the risk factors for UTI in elderly diabetic patients. Two researchers will independently review articles, collect data, and evaluate the quality and potential bias of study inclusion. We will use RevMan V.5.4 software to analyze the data. The quality of the included studies will be assessed using the Newcastle-Ottawa scale. In addition, the GRADE (Grade of Recommendations, Assessment, Development, Evaluation) method will be used to examine the quality of evidence for each exposure and outcome of interest. DISCUSSION: This study aims to illuminate the various risk factors associated with UTI in older patients diagnosed with T2DM. By this thorough investigation, we hope to provide a more comprehensive reference for medical professionals and researchers, thereby supporting the implementation of effective preventive strategies against UTI and improving overall nursing outcomes for this specific patient population. TRAIL REGISTRATION: PROSPERO (CRD42024559129).
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».