The rapidly increasing incidence of type 2 diabetes and macrovascular and microvascular complications disproportionately affects younger age groups: A decade of evidence from an international federated database
Notice bibliographique
Résumé
AIMS: To characterise recent trends in incidence and prevalence of type 2 diabetes (T2D) associated complications, and their relative impact across the lifespan. METHODS: We conducted a retrospective cohort study using the TriNetX global federated database. Incidence and prevalence of T2D and associated complications: ischaemic heart disease (IHD), heart failure, cerebral infarction, neuropathy, nephropathy, and retinopathy were assessed between 2012 and 2023. Incidence odds ratios (IOR) were calculated by age group. RESULTS: 7,918,666 individuals had T2D. The IOR (95 % CI), comparing individuals aged ≥ 85 years to < 35 years decreased for all complications from 2012 to 2023: IHD [IOR 6.82, (6.40, 7.26) to IOR 2.27 (2.17, 2.38)], heart failure [IOR 5.38, (5.03, 5.75) to IOR 1.80 (1.72, 1.89)], cerebral infarction [IOR 3.06, (2.76, 3.40) to IOR 1.45 (1.34, 1.57)], neuropathy [IOR 0.84, (0.74, 0.95) to IOR 0.47 (0.44, 0.49)], nephropathy [IOR 1.14, (1.03, 1.27) to IOR 0.90 (0.87, 0.94)] and retinopathy [IOR 0.56, (0.50, 0.63) to IOR 0.27 (0.25, 0.29)]. CONCLUSIONS: Rising rates of T2D associated complications in younger adults signal an emerging epidemic of early-onset comorbidity with substantial lifetime burden. These findings emphasise the urgent need for earlier detection, aggressive risk factor management, and targeted prevention strategies in younger populations.
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 | 0,008 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».