The healthcare and economic burden associated with inadequate risk factor control for type 2 diabetes in Hong Kong: A population‐based modelling study
Notice bibliographique
Résumé
AIM: To estimate the healthcare and economic burden associated with improved risk factor control for people with type 2 diabetes in Hong Kong over 10 years. MATERIALS AND METHODS: We obtained population-based data from electronic healthcare records of the Hong Kong Hospital Authority. Risk factor targets were defined by American Diabetes Association guidelines. We applied a validated patient-level diabetes outcomes model (Chinese Hong Kong Integrated Modelling and Evaluation) to estimate the health and economic outcomes for all individuals with type 2 diabetes (n = 526 672) in Hong Kong in 2021. Immediate risk factor control was compared to baseline over 10 years. Costs were estimated from a healthcare provider perspective. RESULTS: Most people (84.9%) failed to achieve optimal combined risk factors control (glycated haemoglobin, blood pressure and low-density lipoprotein-cholesterol) at baseline. Combined control was associated with population-level increases in quality-adjusted life-years (QALYs) of 17 605 and healthcare cost savings of US$ 106.7 million over 10 years. Glycaemic control solely yielded the greatest QALY increases and had the highest cost savings (US$ 29.0 million) over 10 years. CONCLUSIONS: The substantial population health and economic burden of inadequate risk factor control for individuals with diabetes in Hong Kong can potentially be mitigated through enhanced adherence, highlighting the need for effective and intensive interventions.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».