Diabetes Mellitus in Canada: An Epidemiologic Analysis on Data from the Canadian Chronic Disease Surveillance System, 2016-2017
Notice bibliographique
Résumé
Diabetes is a major public health issue in Canada. The purpose of this epidemiologic study is to describe diabetes by sex and year, explore plausible explanations for observed sex-related differences over time, and propose evidence-based top-down population health recommendations that can be implemented to protect populations from developing diabetes and diabetes-related complications. In this study, Type 1 and Type 2 diabetes mellitus data from the Canadian Chronic Disease Surveillance System (CCDSS) was collected. Calculations were performed to obtain period prevalence (frequency of disease), cumulative incidence (risk of developing disease), case-fatality (severity), and crude mortality (death rate). Epidemiologic calculations were performed separately for males and females in 2016 and 2017, resulting in four estimates for each of the four measures of disease. Male diabetes prevalence was 1.9% higher than female diabetes prevalence in 2017. Males were at a greater cumulative risk of developing diabetes compared to women; 4.6 new cases per 1000 males compared to 4.0 new cases per 1000 females. Diabetes was more severe for females compared to males; 7.1 deaths per 10 000 diabetes cases among females compared to 6.3 deaths per 10 000 diabetes cases among males. Despite the higher severity in females, diabetes death rate was higher for males than females; 7.9 deaths per 100 000 males compared to 7.4 deaths per 100 000 females. Prevalence and incidence of diabetes increased among both sexes from 2016 to 2017. Case-fatality and mortality from diabetes increased among females from 2016 to 2017 and decreased among males. A combination of factors can explain observed sex differences of diabetes. Increased visceral fat, increased obesity, testosterone deficiency, multimorbidity, and uncontrolled diabetes can explain the higher morbidity and mortality of diabetes among men. Population health interventions of fiscal policy and school-based programs can deter populations from type 2 diabetes and its related modifiable risk factors in Canada.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».