Prevalence of diabetic kidney disease by world region of birth among immigrants and long-term residents of Canada with type 2 diabetes
Notice bibliographique
Résumé
AIMS: To measure the prevalence of diabetic kidney disease (DKD) among immigrants and long-term residents with type 2 diabetes (T2D). METHODS: We conducted a population-based retrospective cohort study in Ontario, Canada among adults aged 20-79 years with T2D. The exposure was world region of birth (immigrants); long-term residents were the comparison group. The outcome was DKD, defined by the Kidney Disease: Improving Global Outcomes (KDIGO) categories. We measured the age-sex standardized prevalence of DKD and constructed logistic regression models to compute adjusted odds ratios (OR) estimating the association between the exposure and outcome. RESULTS: We included 210,693 immigrants (mean age 59.8 [standard deviation 10.8] years, 54.3 % male) and 539,632 long-term residents (mean age 64.1 [10.4] years, 56.1 % male). Immigrants born in East Asia had the highest prevalence and adjusted odds of the KDIGO low-risk category (76.6 %, OR 1.59, 1.53-1.64). Immigrants born in Southeast Asia had the lowest prevalence of the KDIGO low-risk category (64.0 %), and the highest prevalence and adjusted odds of the moderately-increased, high, and very-high risk KDIGO categories (OR: 1.21, [1.18-1.25]; 1.20, 1.14-1.26; 1.18, 1.12-1.25) compared to long-term residents. CONCLUSIONS: There is substantial variation in the prevalence of DKD among immigrants according to world region of birth.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».