Correlation Between Technology and Improved Outcomes in Youth With Type 1 Diabetes Mellitus: Prospective Study Examining Outcomes for Patients With Depression and Those With Public Insurance
Notice bibliographique
Résumé
Background: Adherence to type 1 diabetes mellitus (T1DM) treatment regimens decreases during adolescence. While comorbid depression and health insurance disparities are individually known to potentiate this risk, technological devices for T1DM appear to be protective. Objective: We examined whether technology use impacted the association between depression and poorer health outcomes in T1DM. Given established insurance-based disparities based on technology access, we also studied whether the protective effects of T1DM technology differed among publicly and privately insured youth. Methods: Data were prospectively collected from pediatric patients with T1DM across 3 California medical centers. We used linear and negative binomial regression analyses to examine whether technology use was related to diabetes outcomes and whether this differed based on depression status (technology-by-depression interaction) and health insurance type (technology-by-insurance interaction). Results: Across 1573 patients aged 12 to 25 years (mean age 15.9, SD 2.9 years; n=1050, 66.4%, non-Hispanic White; n=745, 47.0% female), those with a depression diagnosis had higher hemoglobin A1c (HbA1c; mean 9.1%, SD 2.1% vs 10.1%, SD 2.2%) and more frequent diabetic ketoacidosis (DKA) events per year (mean 0.10, SD 0.36 vs 0.24, SD 0.66) than those without (P=.003). Patients using both a continuous glucose monitor (CGM) and pump had lower HbA1c levels and fewer DKA events per year (mean HbA1c 8.2%, SE 0.1%; mean DKA events per year 0.05, SE 0.01) than those using one device (mean HbA1c 9.0%, SE 0.1%; mean DKA events 0.08, SE 0.1%) or none (mean HbA1c 10.0%, SE 0.1%; mean DKA events 0.19, SE 0.1%; P<.001). While youth with public insurance had significantly higher HbA1c levels than those with commercial insurance (mean 9.3%, SD 2.1% vs 9.0%, SD 2.0%, P<.001), those using a CGM had no reliable decrease in HbA1c compared to their commercially insured peers (P=.35). Conclusions: Technology use in pediatric T1DM appears protective for both youth with a history of depression and those who are publicly insured. These data underscore the importance of universal access to technology to mitigate disparities based on comorbid mental health issues and differential access to care.
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 | 0,001 | 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 ».