MétaCan
Menu
← Back to cohort
Record W7161965513 · doi:10.82308/51539

Glycemic control and socioeconomic status in Canadian children with type 1 diabetes using continuous glucose monitoring: A retrospective cohort study

2022· dissertation· en· W7161965513 on OpenAlexaboutno aff
Jennifer Ladd

Bibliographic record

Venuenot available
Typedissertation
Languageen
FieldMedicine
TopicDiabetes Management and Research
Canadian institutionsnot available
Fundersnot available
KeywordsGlycemicRetrospective cohort studyType 1 diabetesSocioeconomic statusDiabetes mellitus

Abstract

fetched live from OpenAlex

Contexte : Le diabète de type 1 (DT1) est une des maladies chroniques infantiles les plus courantes et est associé à une morbidité importante. Les pompes à insuline et la surveillance du glucose en continu (SGC) sont la norme dans le traitement du DT1 et peuvent améliorer le contrôle glycémique et la qualité de vie. Cependant, l’accès à ces technologies n’est pas équitable. Au Canada, on a constaté des disparités de statut socioéconomique (SSE) chez les utilisateurs de pompe à insuline. Les disparités chez les utilisateurs de SGC n’ont pas été étudiées.Objectifs : Notre premier objectif était de déterminer s’il y a des disparités de SSE chez les enfants diabétiques qui utilisent la SGC. Notre deuxième objectif était de déterminer s’il y a des disparités de SSE dans le contrôle glycémique, mesuré par l’hémoglobine A1c, chez les enfants utilisant la SGC.Méthodes : En utilisant une base de données cliniques dépersonnalisées, nous avons mené, d’avril 2009 à septembre 2021, une étude de cohorte rétrospective auprès d’enfants atteints de DT1 de moins de 18 ans suivis à un seul centre en Ontario. Pour notre premier objectif, le résultat était l’utilisation de la SGC (oui : la première date d’utilisation enregistrée en janvier 2017 ou plus tard; non : la non-utilisation). L’exposition primaire était le SSE, défini par des dimensions au niveau des quartiers validés (instabilité résidentielle, dépendance économique, composition ethnoculturelle, vulnérabilité situationnelle), chacun divisé en quintiles. Les covariables comprenaient l’âge, le sexe, l’utilisation d’une pompe à insuline, l’A1c moyenne les 12 mois précédents et la période de diagnostic, définies à la première date d’utilisation enregistrée ou la dernière visite enregistrée pour les non-utilisateurs. Nous avons utilisé la logistique de régression à variables multiples pour examiner le lien entre le SSE et l’utilisation de la SGC. Pour notre deuxième objectif, nous avons analysé la sous-cohorte d’utilisateurs de SGC avec des données d’A1c des 12 mois avant et après le début d’utilisation de la SGC. Le résultat a été un changement dans l’A1c moyenne avant et après le début d’utilisation. L’exposition primaire était le SSE. Nous avons utilisé la régression linéaire à variables multiples pour analyser le changement d’A1c moyenne attendu par SSE, ajusté pour l’âge, le sexe, la durée du diabète, l’utilisation d’une pompe à insuline, l’A1c moyenne préutilisation et le type de SGC, définies à la première date d’utilisation enregistrée.Résultats : Pour notre premier objectif, nous avons identifié 481 utilisateurs de SGC (80,8%) et 114 non-utilisateurs (19,2%). En tout, 49,7 % des utilisateurs étaient de sexe masculin, leur moyenne d’âge ± l’écart type était de 11,1±3,8 ans et leur A1c moyenne de 8,2±1,4 %. Pour les non-utilisateurs, 63,2 % étaient de sexe masculin, leur moyenne d’âge de 12,4±3,7 ans et leur A1c moyenne de 9,0±1,8 %. La distribution des quintiles de SSE était semblable dans les deux groupes pour l’instabilité résidentielle et la dépendance économique, mais plus de non-utilisateurs étaient dans les quintiles de composition ethnoculturelle les plus diversifiés et les quintiles les plus vulnérables au plan situationnel (moins éduqués). Dans la régression logistique, les participants de sexe masculin plus âgés avec une A1c moyenne plus élevée étaient moins susceptibles d’utiliser la SGC (pour chaque pourcentage d’augmentation de l’A1c moyenne, un rapport de cote (RC) ajusté de 0,78 avec un intervalle de confiance (IC) à 95 % : 0,68, 0,90). Le SSE n’était pas lié à l’utilisation de la SGC, mais la vulnérabilité situationnelle a montré que les quintiles les plus défavorisés étaient moins susceptibles d’utiliser la SGC que les moins défavorisés (RC ajusté 0,56 IC 95 % : 0,29, 1,08). Pour notre deuxième objectif, nous avons identifié 290 utilisateurs de SGC, dont 53,8 % sans amélioration de l’A1c après le début d’utilisation...

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.003
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.022
Threshold uncertainty score0.094

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.003
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.006
Science and technology studies0.0020.001
Scholarly communication0.0010.000
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0010.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.007
GPT teacher head0.278
Teacher spread0.271 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same topicDiabetes Management and Research→French-language works237,207→