1220-P: Bridge Into Adulthood—Global Practice on Transitioning Youth with Type 1 Diabetes from Pediatric to Adult Care—Findings from SWEET Database and Center Survey
Notice bibliographique
Résumé
Introduction and Objective: The transition process from pediatric to adult type 1 diabetes (T1D) care is poorly explored. We aimed to assess transition for youth living with T1D worldwide. Methods: SWEET (Better control in Pediatric and Adolescent diabeteS: Working to crEate CEnTers of Reference) database was analyzed (2016-2023, centers >20 patients, > 5-year data). Transfer was assumed in T1D patients 14-24 years with no visits for ≥2 years. Age at transfer was evaluated across regions. A survey developed by pediatric and adult diabetologists was distributed to all SWEET centers. Results: Among 33,418 transferred patients (104 centers, 51% male), age at T1D transfer was 18.7 years in Asia/Middle East/Africa, 18.4 in North America/Canada, 18.0 in Europe, 17.2 in Australia/New Zealand and 17.0 in South America (p <0.0001). Female gender and higher HbA1c were associated with earlier transfer (- 0.1 year, p <0.0002; - 0.08, p <0.0001), longer duration and larger centers with later transfer (p <0.0001). Of 160 surveyed centers, 79 responded: 43 in Europe, 20 Asia/Middle East/Africa, 8 North America, 6 South America, 2 Australia/New Zealand, 87% academic, 74% exclusively pediatric, 57% with age limit for pediatric care reimbursement. Annually, 80% of centers transferred <50 patients; 13% of centers transferred at 20+ years, 41% at 18-20, 27% at 16-18 and 9% at 14-16 years (no transfer: 6%). Structured transition was absent in 34% of centers. Key drivers for transfer included age (83% of centers), reimbursement policies (8%) and patient request (4%). Metabolic control (60%), psychiatric comorbidity (63%) and teen pregnancy (59%) influenced transfer, while technology use and T1D complications did not. Conclusion: This study highlights the global variability in T1D transition and the lack of structured transition in many centers. More efforts are needed to enhance transition preparation and a successful transfer for youth with T1D. Disclosure B. Piccini: Advisory Panel; Sanofi. R.W. Holl: None. F. Malik: None. C. de Beaufort: None. N.S. Elbarbary: None. V. Iotova: Other Relationship; Pfizer Inc, Novo Nordisk, AstraZeneca, Rezolute Bio, Medtronic, Novartis Pharmaceuticals Corporation, Novo Nordisk. C. Kanaka-Gantenbein: Research Support; Abbott, Amgen Inc. Advisory Panel; Kyowa Kirin Co., Ltd. Research Support; Novo Nordisk. Advisory Panel; Pfizer Inc, Sanofi. H. Kim: None. J.M. Leung: None. J. Mirza: None. L. Preechasuk: None. S. Toni: Consultant; Abbott. Advisory Panel; Sanofi.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».