New diagnosis of diabetes in patients with myocardial infarction or stroke: a systematic review and meta-analysis
Notice bibliographique
Résumé
AIMS: What proportion of patients with an acute myocardial infarction (MI) or stroke get a new diagnosis of diabetes (NDD) at the time of hospitalization is unclear. METHODS AND RESULTS: We systematically searched MEDLINE and Embase from database inception to 30 January 2025, to select English-language observational studies that included adult patients with MI or stroke and reported the number of patients with NDD. The denominator was patients without known diabetes. Study quality was assessed using the Joanna Briggs Institute checklist. Random-effects meta-analyses were used to calculate the pooled proportion of NDD in patients with MI or stroke. Heterogeneity was explored in subgroup analyses, and any change over time was evaluated using meta-regression. 82 studies that included 9440 patients with NDD were identified. Included studies were of good methodological quality: 17 (22%) tested all eligible patients for diabetes, and 19 (23%) used registry-based samples. 16.0% [95% confidence interval (CI), 14.3-17.7, n = 52] patients with MI had NDD, and 15.3% (95% CI 12.5-18.0, n = 30) patients with stroke had NDD, albeit with high heterogeneity. The pooled proportion was higher when oral glucose tolerance test was used to diagnose diabetes. The proportion of NDD did not change over the last 30 years (0.1% per year decline; 95% CI -0.3% to 0.1%). CONCLUSION: Among patients admitted with MI or stroke, one in six gets a new diagnosis of diabetes. Improving diabetes screening could help identify people before having a diabetes-related cardiovascular event.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 0,008 |
| 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 | 0,001 |
| 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 ».