Determinação de covariáveis ​​clínicas baseadas em EMR entre pacientes recebendo terapia hipoglicemiante oral e sem injeção de insulina

A característica ausente do EMR definida como tabagismo atual, desconhecido, versus ex-fumante/nunca.

As associações entre covariáveis ​​baseadas em sinistros e ausência de características de EMR foram investigadas estimando um modelo de regressão logística (e regressão logística multinomial, dependendo do número de categorias para a característica de EMR) para cada característica de EMR onde um indicador para a falta da característica de EMR fumar foi a variável dependente e todas as covariáveis ​​baseadas em sinistros foram incluídas como variáveis ​​independentes.

O valor estimado representado é, na verdade, a precisão da previsão definida pela estatística C.

A duração característica EMR ausente do diabetes definida como >7, 5-6, 3-5, 1-3, <1 (em anos) de duração.

As associações entre covariáveis ​​baseadas em sinistros e ausência de características de EMR foram investigadas estimando um modelo de regressão logística (e regressão logística multinomial, dependendo do número de categorias para a característica de EMR) para cada característica de EMR onde um indicador para a falta da duração da característica de EMR de diabetes foi a variável dependente e todas as covariáveis ​​baseadas em reivindicações foram incluídas como variáveis ​​independentes.

O valor estimado representado é, na verdade, a precisão da previsão definida pela estatística C.

A duração característica EMR ausente do diabetes definida como o ano inicial/idade inicial do diabetes.

Modelos de regressão linear foram executados usando uma lista priorizada de covariáveis ​​baseadas em reivindicações como preditores e o valor de características clínicas baseadas em EMR selecionadas, duração do diabetes como resultados contínuos.

O valor estimado representado é, na verdade, a precisão da previsão definida por R-quadrado.

O IMC da característica EMR ausente é definido como não obeso, sobrepeso, obeso e obesidade grave.

As associações entre covariáveis ​​baseadas em sinistros e ausência de características de EMR foram investigadas estimando um modelo de regressão logística (e regressão logística multinomial, dependendo do número de categorias para a característica de EMR) para cada característica de EMR onde um indicador para a falta da característica de EMR IMC foi a variável dependente e todas as covariáveis ​​baseadas em sinistros foram incluídas como variáveis ​​independentes.

O valor estimado representado é, na verdade, a precisão da previsão definida pela estatística C.

O IMC da característica EMR ausente é o valor do IMC. Os modelos de regressão linear foram executados usando uma lista priorizada de covariáveis ​​baseadas em reivindicações como preditores e o valor de IMC de características clínicas baseadas em EMR selecionadas como resultados contínuos.

O valor estimado representado é, na verdade, a precisão da previsão definida por R-quadrado.

A característica EMR ausente HbA1c definida como valor em 6 meses antes e incluindo a data do índice.

As associações entre covariáveis ​​baseadas em sinistros e ausência de características de EMR foram investigadas estimando um modelo de regressão logística (e regressão logística multinomial, dependendo do número de categorias para a característica de EMR) para cada característica de EMR onde um indicador para a falta da característica de EMR HbA1c foi a variável dependente e todas as covariáveis ​​baseadas em sinistros foram incluídas como variáveis ​​independentes.

O valor estimado representado é, na verdade, a precisão da previsão definida pela estatística C.

A característica EMR ausente eGFR definida como valor em 6 meses antes e incluindo a data do índice.

As associações entre covariáveis ​​baseadas em sinistros e ausência de características EMR foram investigadas estimando um modelo de regressão logística (e regressão logística multinomial, dependendo do número de categorias para a característica EMR) para cada característica EMR onde um indicador para a falta da característica EMR eGFR foi a variável dependente e todas as covariáveis ​​baseadas em sinistros foram incluídas como variáveis ​​independentes.

O valor estimado representado é, na verdade, a precisão da previsão definida pela estatística C.

O colesterol total característico EMR ausente definido como valor em 6 meses antes e incluindo a data do índice.

As associações entre covariáveis ​​baseadas em sinistros e ausência de características de EMR foram investigadas estimando um modelo de regressão logística (e regressão logística multinomial, dependendo do número de categorias para a característica de EMR) para cada característica de EMR onde um indicador para a falta da característica de EMR total o colesterol foi a variável dependente e todas as covariáveis ​​baseadas em reivindicações foram incluídas como variáveis ​​independentes.

O valor estimado representado é, na verdade, a precisão da previsão definida pela estatística C.

A PA sistólica característica EMR ausente definida como valor em 6 meses antes e incluindo a data do índice.

As associações entre covariáveis ​​baseadas em sinistros e ausência de características de EMR foram investigadas estimando um modelo de regressão logística (e regressão logística multinomial, dependendo do número de categorias para a característica de EMR) para cada característica de EMR onde um indicador para a falta da característica de EMR sistólica A PA foi a variável dependente e todas as covariáveis ​​baseadas em sinistros foram incluídas como variáveis ​​independentes.

O valor estimado representado é, na verdade, a precisão da previsão definida pela estatística C.

A PA diastólica característica EMR ausente definida como valor em 6 meses antes e incluindo a data do índice.

As associações entre covariáveis ​​baseadas em reivindicações e falta de características EMR foram investigadas estimando um modelo de regressão logística (e regressão logística multinomial, dependendo do número de categorias para a característica EMR) para cada característica EMR onde um indicador para faltar a característica diastólica EMR A PA foi a variável dependente e todas as covariáveis ​​baseadas em sinistros foram incluídas como variáveis ​​independentes.

O valor estimado representado é, na verdade, a precisão da previsão definida pela estatística C.

A neuropatia característica EMR ausente definida como participantes com qualquer nota de neuropatia diabética.

As associações entre covariáveis ​​baseadas em sinistros e ausência de características de EMR foram investigadas estimando um modelo de regressão logística (e regressão logística multinomial, dependendo do número de categorias para a característica de EMR) para cada característica de EMR onde um indicador para a falta de neuropatia característica de EMR foi a variável dependente e todas as covariáveis ​​baseadas em sinistros foram incluídas como variáveis ​​independentes.

O valor estimado representado é, na verdade, a precisão da previsão definida pela estatística C.

A nefropatia característica EMR ausente é definida como participantes com qualquer nota de nefropatia diabética.

As associações entre covariáveis ​​baseadas em sinistros e ausência de características de EMR foram investigadas estimando um modelo de regressão logística (e regressão logística multinomial, dependendo do número de categorias para a característica de EMR) para cada característica de EMR onde um indicador para a falta da característica de EMR nefropatia foi a variável dependente e todas as covariáveis ​​baseadas em sinistros foram incluídas como variáveis ​​independentes.

O valor estimado representado é, na verdade, a precisão da previsão definida pela estatística C.

A retinopatia característica EMR ausente é definida como participantes com qualquer nota de retinopatia diabética.

As associações entre covariáveis ​​baseadas em sinistros e ausência de características de EMR foram investigadas estimando um modelo de regressão logística (e regressão logística multinomial, dependendo do número de categorias para a característica de EMR) para cada característica de EMR onde um indicador para falta da característica de EMR retinopatia foi a variável dependente e todas as covariáveis ​​baseadas em sinistros foram incluídas como variáveis ​​independentes.

O valor estimado representado é, na verdade, a precisão da previsão definida pela estatística C.

A pancreatite característica EMR ausente definida como participantes com qualquer nota de pancreatite prévia.

As associações entre covariáveis ​​baseadas em sinistros e falta de características de EMR foram investigadas estimando um modelo de regressão logística (e regressão logística multinomial, dependendo do número de categorias para a característica de EMR) para cada característica de EMR onde um indicador para falta da característica de EMR pancreatite foi a variável dependente e todas as covariáveis ​​baseadas em sinistros foram incluídas como variáveis ​​independentes.

O valor estimado representado é, na verdade, a precisão da previsão definida pela estatística C.