The Impact of Homelessness on Kidney Outcomes Among Adults With Diabetes
Notice bibliographique
Résumé
Introduction: People with diabetes experiencing homelessness face barriers to self-management, contributing to suboptimal glycemia and reduced screening for microvascular complications. The objective of the study was to assess whether a history of homelessness is associated with kidney-related outcomes among people with diabetes. Methods: A propensity-matched cohort study using administrative health data from Ontario, Canada, was conducted, including residents with diabetes who had ≥1 hospital encounter during the study period (2008-2020). Having a history of homelessness was identified using a validated algorithm. Outcomes of interest included nephrologist visits, reduction in estimated glomerular filtration rate (eGFR), initiation of renal replacement therapy, and acute care visits for kidney-related ambulatory care-sensitive conditions. Negative binomial regression and Cox proportional hazard models were used to assess outcomes. Results: Of 659,877 eligible people with diabetes living in Ontario, 3366 had a history of homelessness, with 2650 successfully matched to non-homeless controls. People with a history of homelessness had similar rates of nephrologist visits compared with those with no history of homelessness (rate ratio [RR] = 1.27; 95% confidence interval [CI]: 0.82-1.97), but had higher rates of hospitalization for chronic kidney disease (CKD)-related conditions, including volume overload (RR = 3.13; 95% CI: 1.62-6.04), hyperkalemia (RR = 3.01; 95% CI: 2.07-4.39), and heart failure (RR = 2.06; 95% CI: 1.62-2.63). They had a higher hazard of eGFR decline (hazard ratio [HR] = 1.71; 95% CI: 1.56-1.88), and renal replacement therapy (HR = 1.65; 95% CI: 1.04-2.60) compared with nonhomeless controls. Conclusion: Homelessness is associated with higher rates of kidney-related adverse events in people living with diabetes, supporting the need for tailored approaches that reduce barriers to accessing diabetes care.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».