Glycemic control status according to HbA1c data of primary care center laboratory and related factors in Hatay

KARABİBER, Cansu; Savaş, Nazan

doi:10.20518/tjph.853697

Cited by 2 publications

(2 citation statements)

References 23 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Aynı çalışmada DM riski yüksek olan bireylerin %32,5'inin beden kütle indeksinin (BKİ) 30 ile 39,99 kg/m² arasında olduğu, BKİ arttıkça DM riskinin arttığı ifade edilmiştir (6). 2021 yılında Hatay'da yapılan bir çalışmaya katılanların %14,6'sında ölçülen HbA1c değerinin ≥%6,5 olduğu ayrıca 65 yaş ve üzeri bireylerin %30,0'ının HbA1c değerinin ≥%6,5 olduğu belirtilmiştir (7).…”

Section: Introductionunclassified

Evaluation of Prediabetes and Diabetes Mellitus Frequency of Healthcare Professionals in a City Hospital

AK,

UTLU

2023

Turk J Diab Obes

View full text Add to dashboard Cite

Amaç: Çalışmada bir şehir hastanesinde calışan sağlık calışanlarının diabetes mellitus sıklığı ve genel sağlık durumunun değerlendirilmesi amaçlanmıştır. Bu çalışmada bir şehir hastanesinde çalışan sağlık çalışanlarının diabetes mellitus sıklığı ve genel sağlık durumunun değerlendirilmesi amaçlanmıştır. Gereç ve Yöntemler: Bu çalışma retrospektif olarak gerçekleştirilen kesitsel-tanımlayıcı tipte bir araştırmadır. 01 Eylül 2022-31 Aralık 2022 tarihleri arasında hastanenin İş Sağlığı Birimi’ne periyodik muayene için başvuran çalışanlardan 1435 sağlık çalışanının dosyaları incelenmiş olup bu kişiler çalışmaya dâhil edilmiştir. İstatistiksel analizler IBM SPSS 23.0 istatistik paket programı ile yapılmıştır. Tanımlayıcı istatistikler için frekans, yüzde, ortalama değer±standart sapma, ortanca değer (min;maks) kullanılmıştır. Kategorik verilerin analizinde ki-kare testi kullanılmış olup, çalışmanın bağımlı değişkeni çalışanların HbA1c düzeyleridir. Bulgular: Katılımcıların HbA1c düzeyi %78,4 oranında ≤ %5,7 olarak tespit edilmiştir. Araştırmaya katılanların %88,2’sinin tansiyon ölçümleri normal saptandı. Beden kütle indeksleri %44,3’ünün normal, %38,7’sinin ise fazla kilolu olarak değerlendirilmiştir. Beden kütle indeksine göre obez olanların %10,7’sinde ve fazla kilolu olanların %4,3’ünde ve hipertansiyonu olanların %10,1’inde HbA1c seviyeleri ≥6,5 saptanmış olup, fark istatistiksel olarak anlamlı düzeyde yüksek saptanmıştır. (p

show abstract

Section: Introductionunclassified

Evaluation of Prediabetes and Diabetes Mellitus Frequency of Healthcare Professionals in a City Hospital

AK,

UTLU

2023

Turk J Diab Obes

View full text Add to dashboard Cite

show abstract

“…HbA1c is an important blood parameter that indicates the risk of diabetes complications. The HbA1c value < 6.0% is for healthy people, and the HbA1c value between 6.0% and 6.5% is in people for pre-diabetes, which is characterized by blood sugar levels higher than normal but also called borderline diabetes (Karabiber and Savaş 2021;Rajput and Khedgikar 2022) and the HbA1c value is not high enough to be classified as diabetic. However, pre-diabetes cases lead to diabetes in the near future (Rajput and Khedgikar 2022).…”

Section: Introductionmentioning

confidence: 99%

Investigation Of Diabetes Data with Permutation Feature Importance Based Deep Learning Methods

Gürsoy

Alkan

2022

Karadeniz Fen Bilimleri Dergisi

View full text Add to dashboard Cite

Diabetes is a metabolic disease that occurs due to high blood sugar levels in the body. If it is not treated, diabetes-related health problems may occur in many vital organs of the body. With the latest techniques in machine learning technologies, some of the applications can be used to diagnose diabetes at an early stage. In this study, the data set from the laboratories of Medical City Hospital Endocrinology and Diabetes Specialization Center Al Kindy Training Hospital was used. The dataset consists of 3 different classes: normal, pre-diabetes and diabetes. The obtained diabetes dataset was classified using Long Short-Term Memory (LSTM), Convolutional Neural Network (CNN) and Gated Recurrent Unit (GRU) deep learning methods. The classification performance of each algorithm was evaluated with accuracy, precision, sensitivity and F score performance parameters. Among the deep learning methods, 96.5% classification accuracy was obtained with the LSTM algorithm, 94% with the CNN algorithm and 93% with the GRU algorithm. In this study, the Permutation Feature Importance (PFI) method was also used to determine the effect of features in the data set on classification performance. With this method, study reveals that the HbA1c feature is an important parameter in the used deep learning methods. Both the results obtained with the LSTM algorithm and the determination of the most important feature affecting the classification success reveal the originality of the study. It shows that the obtained results will provide healthcare professionals with a prognostic tool for effective decision-making that can assist in the early detection of the disease.

show abstract

Glycemic control status according to HbA1c data of primary care center laboratory and related factors in Hatay

Cited by 2 publications

References 23 publications

Evaluation of Prediabetes and Diabetes Mellitus Frequency of Healthcare Professionals in a City Hospital

Evaluation of Prediabetes and Diabetes Mellitus Frequency of Healthcare Professionals in a City Hospital

Investigation Of Diabetes Data with Permutation Feature Importance Based Deep Learning Methods

Contact Info

Product

Resources

About