Longitudinal Determination of Diabetes Complications and Other Clinical Variables as Risk Factors for Diabetic Ketoacidosis in Type 1 Diabetes
Notice bibliographique
Résumé
OBJECTIVE: We aimed to determine whether diabetes complications, such as kidney disease that may impair acid-base buffering capacity, independently predict the risk of subsequent diabetic ketoacidosis (DKA). RESEARCH DESIGN AND METHODS: We accessed previously collected 34-year data from the Diabetes Control and Complications Trial and Epidemiology of Diabetes Interventions and Complications study through public data access. Multivariable Cox proportional hazards models with time-varying exposures and covariates were used to examine the associations of macrovascular disease and early and late stages of neuropathy, nephropathy, and retinopathy, with subsequent DKA occurrence as the outcome. RESULTS: Of 1,441 participants, 297 experienced 488 DKA events over follow-up. Major adverse cardiovascular events [hazard ratio (HR) 3.16, 95% CI 1.57-6.35, P = 0.001] and late-stage neuropathy, which comprised serious foot ulcer or amputation (HR 1.59, 95% CI 1.04-2.45, P = 0.03) were independently associated with higher DKA risk. Higher risk was also associated with shorter diabetes duration (HR 0.76, 95% CI 0.64-0.91, P = 0.002), female sex (HR 2.04, 95% CI 1.56-2.67, P < 0.001), current insulin pump use (HR 3.04, 95% CI 2.29-4.02, P < 0.001), higher time-updated HbA1c (per additional 1%: HR 1.39, 95% CI 1.29-1.50, P < 0.001), and higher current insulin dose (per 1 additional unit/kg/day: HR 2.32, 95% CI 1.62-3.33, P < 0.001). CONCLUSIONS: A major cardiovascular event, foot ulcer, or amputation confers the greatest risk of future DKA independent of previously recognized risk factors, implying a need to target patients with these events for DKA prevention interventions, such as self-management skills for metabolic control, management of depression, and DKA education.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».