SAT-568 National Trends in the Incidence of Chronic Kidney Disease Due to Type 1 Diabetes Among Adults Aged 55 and Older Across 204 Countries (1990-2021): A Global Burden Of Disease Study
Notice bibliographique
Résumé
Abstract Disclosure: M. Munir: None. G. Flocco: None. H. Ahmad: None. M. Kakakhel: None. F. Ahmed: None. M. Ali: None. A. Zahid: None. J. Ikram: None. A. Cheema: None. Over the last 30 years, significant population growth, aging, and shifts in epidemiologic trends have likely influenced the burden of chronic kidney disease (CKD) due to type 1 diabetes mellitus (T1DM). In this study, we utilized data and methodologies from the Global Burden of Disease (GBD) Study to examine changes in the burden of CKD due to T1DM from 1990 to 2021, focusing on incidence rates in adults aged 55 and older across 204 nations. GBD study data were analyzed to assess changes in the incidence rates of CKD due to T1DM. Estimated Annual Percent Changes (EAPCs) were calculated to capture national trends in adults aged 55 and older from 1990 to 2021, with corresponding 95% confidence intervals (CIs). The incidence of CKD due to T1DM has increased dramatically from 1990 to 2021. In 2021, the United States of America (USA) reported the highest number of new cases, followed by India and China. Notably, China surpassed Germany, which ranked fourth in 2021, marking a shift from the 1990 distribution of cases. The analysis revealed significant shifts in the incidence of CKD attributable to T1DM across nations over the past three decades. In 1990, Canada reported the highest incidence rate (3.92 per 100,000), but by 2021, Ireland emerged at the forefront with an incidence of 5.09 per 100,000, while Canada dropped to 4th place (3.90 per 100,000). Finland (4.41 per 100,000) and Austria (4.29 per 100,000) followed closely. In contrast, the lowest incidence rates in 2021 were observed in Papua New Guinea (0.19 per 100,000), followed by Tokelau (0.19 per 100,000) and Nauru (0.21 per 100,000), highlighting the marked global disparities in the burden of CKD due to T1DM. Despite the observed incidence rates from 1990 to 2021, Cyprus exhibited the most significant increase in incidence of CKD due to T1DM (EAPC: 3.32, 95% CI: 4.31, 2.47), followed by Hungary (EAPC: 3.01, 95% CI: 4.04, 2.20) and Slovakia (EAPC: 2.72, 95% CI: 3.98, 1.94). In contrast, 14 nations experienced declining incidence rates, with the most notable reductions occurring in Greenland (EAPC: -0.31, 95% CI: -0.16, -0.44), followed by Timor-Leste (EAPC: -0.31, 95% CI: -0.13, -0.44) and Egypt (EAPC: -0.19, 95% CI: -0.005, -0.32). The incidence of CKD due to T1DM has risen sharply in countries like Cyprus, Hungary, and Slovakia, while regions such as Greenland, Timor-Leste, and Egypt have experienced significant decreases. These changes point to varying trends in disease burden worldwide, emphasizing the importance of region-specific healthcare approaches to address this growing challenge. Presentation: Saturday, July 12, 2025
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 | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».