5 bệnh mãn tính hàng đầu ở Hoa Kỳ năm 2022

Int J Envir Res Sức khỏe cộng đồng. 2018 Mar; 15 [3]: 431. 2018 Mar; 15[3]: 431.

trừu tượng

Trong nghiên cứu này, chúng tôi khám phá tình trạng hiện tại của các bệnh mãn tính ở Hoa Kỳ, sử dụng dữ liệu từ Trung tâm kiểm soát và phòng ngừa dịch bệnh và áp dụng các kỹ thuật phân tích trực quan và mô tả. Năm loại chính của các biến được nghiên cứu, cụ thể là tình trạng bệnh mãn tính, sức khỏe hành vi, sức khỏe tâm thần, nhân khẩu học và điều kiện bao quát. Chúng được phân tích trong bối cảnh của các vùng và trạng thái trong Hoa Kỳ để khám phá mối tương quan có thể có giữa các biến trong một số loại. Có sự khác biệt rộng rãi về tỷ lệ mắc các bệnh mãn tính đa dạng, số lượng nhập viện cho các bệnh cụ thể, và chẩn đoán và tỷ lệ tử vong cho các tiểu bang khác nhau. Xác định các mối tương quan như vậy là cơ bản để phát triển những hiểu biết sẽ giúp tạo ra các chính sách quản lý, giảm thiểu và phòng ngừa được nhắm mục tiêu, cuối cùng giảm thiểu rủi ro và chi phí của các bệnh mãn tính. Khi dân số và cá nhân bị nhiều điều kiện, hoặc tình trạng hấp thụ, điều bắt buộc là các bên liên quan khác nhau, bao gồm chính phủ, các tổ chức phi chính phủ [NGO], các nhà hoạch định chính sách, nhà cung cấp y tế và xã hội nói chung, giải quyết các tác động bất lợi này một cách kịp thời và hiệu quả.

Từ khóa: Sức khỏe hành vi, Bệnh mãn tính, Bệnh hấp thụ, Tình trạng bao quát, Sức khỏe Dân số, Sức khỏe phòng ngừabehavioral health, chronic disease, comorbidity, overarching condition, population health, preventive health

1. Giới thiệu

Một tình trạng mãn tính là một tình trạng sức khỏe thể chất hoặc tinh thần kéo dài hơn một năm và gây ra các hạn chế về chức năng hoặc yêu cầu theo dõi hoặc điều trị liên tục [1,2]. Các bệnh mãn tính là một trong những tình trạng sức khỏe phổ biến và tốn kém nhất ở Hoa Kỳ. Gần một nửa [khoảng 45%, tương đương 133 triệu] của tất cả người Mỹ bị ít nhất một bệnh mãn tính [3,4,5], và số lượng đang tăng lên. Các bệnh mãn tính, bao gồm, ung thư, tiểu đường, tăng huyết áp, đột quỵ, bệnh tim, bệnh hô hấp, viêm khớp, béo phì và bệnh miệng có thể dẫn đến nhập viện, khuyết tật lâu dài, giảm chất lượng cuộc sống và tử vong [6,7]. Trên thực tế, các điều kiện dai dẳng là nguyên nhân hàng đầu gây tử vong và khuyết tật [6].

Trên toàn cầu, các bệnh mãn tính đã ảnh hưởng đến sức khỏe và chất lượng cuộc sống của nhiều công dân [8,9]. Ngoài ra, các bệnh mãn tính đã là động lực chính của chi phí chăm sóc sức khỏe đồng thời ảnh hưởng đến các mô hình lực lượng lao động, bao gồm, bao gồm, tất nhiên, vắng mặt. Theo Trung tâm kiểm soát dịch bệnh, chỉ riêng ở Hoa Kỳ, các bệnh mãn tính chiếm gần 75 % chi tiêu chăm sóc sức khỏe tổng hợp, hoặc ước tính $ 5300 mỗi người hàng năm. Về bảo hiểm công cộng, điều trị các bệnh mãn tính bao gồm tỷ lệ chi tiêu thậm chí còn lớn hơn: 96 xu mỗi đô la cho Medicare và 83 cent mỗi đô la cho Trợ cấp y tế [4,10,11,12]. Do đó, sự hiểu biết, quản lý và phòng ngừa các bệnh mãn tính là các mục tiêu quan trọng nếu, với tư cách là một xã hội, chúng ta phải cung cấp dịch vụ chăm sóc sức khỏe chất lượng tốt hơn cho công dân và cải thiện chất lượng cuộc sống chung của họ.

More than two thirds of all deaths are caused by one or more of these five chronic diseases: heart disease, cancer, stroke, chronic obstructive pulmonary disease, and diabetes. Additional statistics are quite stark [5,13]: chronic diseases are responsible for seven out of 10 deaths in the U.S., killing more than 1.7 million Americans each year; and more than 75% of the $2 trillion spent on public and private healthcare in 2005 went toward chronic diseases [5]. What makes treating chronic conditions [and efforts to manage population health] particularly challenging is that chronic conditions often do not exist in isolation. In fact, today one in four U.S. adults have two or more chronic conditions [5], while more than half of older adults have three or more chronic conditions. And the likelihood of these types of comorbidities occurring goes up as we age [5]. Given America’s current demographics, wherein 10,000 Americans will turn 65 each day from now through the end of 2029 [5], it is reasonable to expect that the overall number of patients with comorbidities will increase greatly.

Trends show an overall increase in chronic diseases. Currently, the top ten health problems in America [not all of them chronic] are heart disease, cancer, stroke, respiratory disease, injuries, diabetes, Alzheimer’s disease, influenza and pneumonia, kidney disease, and septicemia [14,15,16,17,18]. The nation’s aging population, coupled with existing risk factors [tobacco use, poor nutrition, lack of physical activity] and medical advances that extend longevity [if not also improve overall health], have led to the conclusion that these problems are only going to magnify if not effectively addressed now [19].

A recent Milken Institute analysis determined that treatment of the seven most common chronic diseases coupled with productivity losses will cost the U.S. economy more than $1 trillion dollars annually. Furthermore, compared with other developed nations, the U.S. has ranked poorly on cost and outcomes. This is predominantly because of our inability to effectively manage chronic disease. And yet the same Milken analysis estimates that modest reductions in unhealthy behaviors could prevent or delay 40 million cases of chronic illness per year [11]. If we learn how to effectively manage chronic conditions, thus avoiding hospitalizations and serious complications, the healthcare system can improve quality of life for patients and greatly reduce the ballooning cost burden we all share [10].

The success of population health and chronic disease management efforts hinges on a few key elements: identifying those at risk, having access to the right data about this population, creating actionable insights about patients, and coaching them toward healthier choices. Methods such as data-driven visual analytics help experts analyze large amounts of data and gain insights for making informed decisions regarding chronic diseases [10,20]. According to the U.S.-based Institute of Medicine and the National Research, the vision for 21st century healthcare includes increased attention to cognitive support in decision making [21]. This encompasses computer-based tools and techniques that aid comprehension and cognition. Visualization techniques offer cognitive support by offering mental models of the information through a visual interface [22]. They combine statistical methods and models with advanced interactive visualization methods to help mask the underlying complexity of large health data sets and make evidence-based decisions [23]. Chronic diseases are characterized by high prevalence among populations, rising complication rates, and increased incidence of people with multiple chronic conditions, to name a few. In this scenario, visualization can represent association between preventive measures and disease control, summary health dimensions across diverse patient populations and, timeline of disease prevalence across regions/populations, to offer actionable insights for effective population management and national development [24]. Additionally, visual techniques offer the ability to analyze data at multiple levels and dimensions starting from population to subpopulation to the individual [25]. This paper addresses the challenge of understanding large amounts of data related to chronic diseases by applying visual analytics techniques and producing descriptive analytics. Our overall goal is to gain insight into the data and make policy recommendations.

Given that large segments of the U.S. population suffer from one or more chronic disease conditions, a data-driven approach to the analysis of the data has the potential to reveal patterns of association, correlation, and causality. We therefore studied the variables extracted from a highly reliable source, the Centers for Disease Control. Data for variables pertaining to several categories, namely chronic condition [“condition” is used interchangeably with “disease”], behavioral health, mental health, preventive health, demographics, overarching conditions, and location for several years [typically 2012 to 2014]. We analyzed relationships within each category and across categories to obtain multi-dimensional views and insight into the data. The analytics provide insights and implications that suggest ways for the healthcare system to better manage population health.

This paper is organized as follows: Section 1 offers an introduction to the research, Section 2 discusses the methodology, Section 3 presents and discusses the visual charts and results, Section 4 contains the scope and limitations of the research, Section 5 describes the policy implications and future research, and Section 6 presents our conclusions.

2. Materials and Methods

This study analyzes the characteristics of chronic diseases in the U.S. and explores the relationships between demographics, behavior habits, and other health conditions and chronic diseases, thereby revealing information for public health practice at the state-specific level. In this data-driven study we use visual analytics [26], conducting primarily descriptive analytics [20] to obtain a panoramic insight into the chronic diseases data set pulled from the Centers for Disease Control and Prevention web site. The discipline of visual analytics aims to provide researchers and policymakers with better and more effective ways to understand and analyze large data sets, while also enabling them to act upon their findings in real time. Visual analytics integrates the analytic capabilities of the computer and the abilities of human analysts, thus inviting novel discoveries and empowering individuals to take control of the analytical process. It sheds light on unexpected and hidden insights, which may lead to beneficial and profitable innovation [27,28]. Driving visual analytics is the aim of turning information overload into opportunity; just as information visualization has changed our view on databases, the goal of visual analytics is to make our way of processing data and information transparent and accessible for analytic discourse. The visualization of these processes provides the means for examining the actual processes and not just the results. Visual analytics applies such technology as business intelligence [BI] tools to combine human analytical skill with computing power. Clearly, this research is highly interdisciplinary, involving such areas as visualization, data mining, data management, data fusion, statistics, and cognitive science, among others. One key understanding of visual analytics is that the integration of these diverse areas is a scientific discipline in its own right [29,30].

Historically, automatic analysis techniques, such as statistics and data mining, were developed independently of visualization and interaction techniques. One of the most important steps in the direction of visual analytics research was the need to move from confirmatory data analysis [using charts and other visual representations to present results] to exploratory data analysis [interacting with the data], first introduced to the statistics research community by John W. Tukey in his book, Exploratory Data Analysis [31].

With improvements in graphical user interfaces and interaction devices, the research community devoted its efforts to information visualization [27]. Eventually, this community recognized the potential of integrating the user’s perspective into the knowledge discovery and data mining process through effective and efficient visualization techniques, interaction capabilities, and knowledge transfer. This led to visual data exploration and visual data mining [29] and widened considerably the scope of applications of visualization, statistics, and data mining—the three pillars of analytics. In visual analytics is defined as “the science of analytical reasoning facilitated by interactive human-machine interfaces” [29]. A more current definition says “visual analytics combines automated analysis techniques with interactive visualizations for an effective understanding reasoning and decision-making on the basis of very large and complex data sets” [both reported in [27]]. In their book Illuminating the Path, Thomas and Cook define visual analytics as the science of analytical reasoning facilitated by interactive visual interfaces.

One application of visualization is descriptive analytics, the most commonly used and most well understood type of analytics. It was the earliest to be introduced and the easiest by far to implement and understand in that it describes data “as is” without complex calculations. Descriptive analytics is more data-driven than other models. Most health data analyses start with descriptive analytics, using data to understand past and current health patterns and trends and to make informed decisions [20]. The models in descriptive analytics categorize, characterize, aggregate, and classify data, converting it into information for understanding and analyzing business decisions, outcomes, and quality. Such data summaries can be in the form of meaningful charts and reports, and responses to queries using SQL. Descriptive analytics uses a significant amount of visualization. One could, for example, obtain standard and customized reports and drill down into the data, running queries to better understand, say, the sales of a product [20]. Descriptive analytics helps answer such questions as: How many patients with diabetes also have obesity? Which of the chronic diseases are more prevalent in different regions of the country? What behavioral habits are correlated to the chronic diseases? Which groups of patients suffer from more than one chronic condition? Is there an association between health insurance [and lack thereof] and chronic diseases? What are cost trade-offs between chronic disease prevention and management? What are typical patient profiles for various chronic diseases?

Nghiên cứu này tập trung vào các chỉ số tình trạng mãn tính và nhân khẩu học liên quan, thói quen hành vi, sức khỏe phòng ngừa và các yếu tố sức khỏe răng miệng. Như đã đề cập, nguồn dữ liệu cho nghiên cứu này là Trung tâm kiểm soát và phòng ngừa dịch bệnh [CDC] [32]. Bộ phận Sức khỏe Dân số CDC cung cấp một bộ 124 chỉ số được phát triển bởi sự đồng thuận. Các chỉ số này được tích hợp từ nhiều tài nguyên, với sự trợ giúp của trang web chỉ số bệnh mãn tính, phục vụ như một cửa ngõ cho các nguồn thông tin và dữ liệu bổ sung. Trong nghiên cứu này, chúng tôi đã tải xuống dữ liệu thứ cấp cho Hoa Kỳ từ bộ dữ liệu CDC, trong các năm 2012 đến 2014. Dữ liệu dành cho các tiểu bang, vùng lãnh thổ và các khu vực đô thị lớn ở Hoa Kỳ, bao gồm 50 tiểu bang và quận Columbia, Guam, Guam, Puerto Rico và Quần đảo Virgin thuộc Hoa Kỳ. Làm sạch dữ liệu, tích hợp và chuyển đổi được thực hiện trên tập dữ liệu thô. Các loại chính của các biến số bao gồm điều kiện, sức khỏe tâm thần, thói quen hành vi, sức khỏe phòng ngừa và nhân khẩu học. Ngoài ra, điều kiện bao quát và vị trí cũng được nghiên cứu. Bảng 1 tóm tắt các danh mục và biến.Table 1 summarizes the categories and variables.

Bảng 1

Bệnh mãn tính và các chỉ số liên quan.

3. Kết quả

Chúng tôi sử dụng trực quan hóa và phân tích mô tả để khám phá các tình trạng mãn tính, chăm sóc sức khỏe phòng ngừa, sức khỏe tâm thần và các điều kiện bao quát, với mục tiêu giải mã các mối quan hệ và mô hình xuất hiện từ hình dung. Chúng tôi muốn chỉ ra rằng vì mẫu của chúng tôi bao gồm người lớn 18 tuổi trở lên kết quả của chúng tôi được áp dụng cho người lớn trong nhóm tuổi đó.

Hình 1 mô hình tỷ lệ mắc bệnh tiểu đường được chẩn đoán trung bình ở người trưởng thành ≥18 tuổi trong giai đoạn 2012 đến 2014. Puerto Rico dẫn đầu gói, tiếp theo là Mississippi. models the average prevalence of diagnosed diabetes among adults aged ≥18 years in the period 2012 to 2014. Puerto Rico leads the pack, followed by Mississippi.

Như Hình 2 dưới đây cho thấy, Puerto Rico có số lượng công dân cao nhất trong số những người trưởng thành ≥18 tuổi, có sức khỏe công bằng hoặc kém bị viêm khớp trong giai đoạn 2013 đến 2014. Puerto Rico được theo sau bởi Tennessee và Mississippi.Figure 2 below shows, Puerto Rico has the highest number of citizens among adults aged ≥18 years, in fair or poor health with arthritis for the period 2013 to 2014. Puerto Rico is followed by Tennessee and Mississippi.

Tỷ lệ mắc bệnh hen suyễn hiện tại ở người trưởng thành ≥18 tuổi trong giai đoạn 2012 đến 2014 được chỉ định trong Hình 3. West Virginia có tỷ lệ mắc bệnh cao hơn so với các quốc gia khác.Figure 3. West Virginia has a higher prevalence of the condition compared to other states.

Liên quan đến bệnh thận giai đoạn cuối, Hình 4 cho thấy tình trạng này được phân tán rộng rãi giữa các khu vực khác nhau.Figure 4 shows that the condition is dispersed widely among various areas.

Bệnh thận giai đoạn cuối theo khu vực.

Giá trị trung bình cho việc nhập viện đối với bệnh phổi tắc nghẽn mãn tính cho tất cả các chẩn đoán từ năm 2010 đến 2013 được thể hiện trong Hình 5. Kentucky và West Virginia có nhập viện cao hơn so với các tiểu bang khác. Hầu hết các khu vực dưới 45 trường hợp trên 100.000.Figure 5. Kentucky and West Virginia have higher hospitalizations compared to other states. Most of the areas are below 45 cases per 100,000.

Bệnh phổi tắc nghẽn mãn tính theo trạng thái.

Trong việc khám phá các tình trạng mãn tính theo địa điểm ở Hoa Kỳ, chúng ta thấy rằng một số điều kiện, chẳng hạn như bệnh tiểu đường, viêm khớp và các bệnh phổi tắc nghẽn, phổ biến hơn ở các quốc gia phía đông, trong khi những người khác, như hen suyễn, thường xảy ra ở các quốc gia đông bắc. Đối với bệnh tiểu đường, được liệt kê là nguyên nhân tử vong trong những năm 2010 đến 2014, các quốc gia Oklahoma và West Virginia có ngưỡng trung bình tương đối cao hơn 100 [tỷ lệ điều chỉnh trên 100.000]. Trong trường hợp hen suyễn, West Virginia có tỷ lệ mắc bệnh cao nhất [ở người trưởng thành], trong khi Maryland, Massachusetts và New York có số lượng nhập viện cao nhất. Liên quan đến bệnh phổi tắc nghẽn mãn tính, Kentucky và West Virginia đã nhập viện nhiều nhất so với các tiểu bang khác. Phần lớn các tiểu bang thực sự dưới 45 trường hợp trên 100.000. Liên quan đến viêm khớp ở người trưởng thành, phần lớn các quốc gia trung bình dưới 25%, ngoại trừ West Virginia, trung bình 34,15%. Tóm lại, West Virginia xếp hạng tỷ lệ mắc cao đối với hầu hết các bệnh mãn tính, chẳng hạn như bệnh tiểu đường, hen suyễn, bệnh phổi mãn tính và viêm khớp khi so sánh với tất cả các tiểu bang khác trong giai đoạn 2000 đến 2014.

Chúng tôi đã xem xét phân phối các điều kiện mãn tính theo giới tính và chủng tộc để xác định các xu hướng và mô hình có liên quan [Hình 6 và Hình 7]. Điều kiện mãn tính khác nhau theo giới tính. Phụ nữ có xu hướng có trường hợp cao hơn đáng kể trên 100.000 lần nhập viện cho bệnh hen suyễn. Trong khi đàn ông có xu hướng có tỷ lệ tử vong cao hơn từ bệnh phổi tắc nghẽn mạn tính, bệnh tiểu đường, thận mãn tính và các tình trạng khác, như trong Hình 6.Figure 6 and Figure 7]. Chronic conditions differ by gender. Women tend to have significantly higher cases per 100,000 of hospitalizations for asthma. Whereas men tend to have a higher mortality rate from chronic obstructive pulmonary disease, diabetes, chronic kidney, and other conditions, as shown in Figure 6.

Tình trạng mãn tính theo giới tính.

Điều kiện mãn tính theo chủng tộc.

Chúng tôi cũng đã kiểm tra tất cả các tình trạng mãn tính theo chủng tộc [Hình 7] và thấy rằng người da đen không phải gốc Tây Ban Nha có tỷ lệ tử vong cao hơn đối với bệnh phổi và hen suyễn và nhập viện cao hơn do bệnh tiểu đường. Họ được theo sau bởi người dân đảo Thái Bình Dương và người Ấn Độ Mỹ. Tất cả các loại viêm khớp được phân phối khá đồng đều giữa các loại đen, không phải gốc Tây Ban Nha, đa chủng tộc, người da trắng và các loại khác.Figure 7] and found that non-Hispanic Blacks have higher mortality rate for pulmonary disease and asthma and a higher hospitalization from diabetes. They are followed by Pacific Islander and American Indians. All categories of arthritis are fairly evenly distributed among Black, non-Hispanic, Multiracial, Whites, and other.

Nữ giới có tỷ lệ nhập viện cao hơn đối với bệnh hen suyễn [trên 100.000], trong khi về tỷ lệ tử vong đối với bệnh phổi tắc nghẽn mãn tính, bệnh tiểu đường và bệnh thận mãn tính, nam giới có tỷ lệ nhập viện cao hơn. Một lần nữa, người bản địa Mỹ da đỏ hoặc Alaska có tỷ lệ tử vong cao hơn đối với bệnh phổi tắc nghẽn mãn tính, bệnh tiểu đường và bệnh thận. Họ theo sau là người da đen và không phải người gốc Tây Ban Nha.

3.1. Sức khỏe tinh thần theo giới tính và chủng tộc

Sức khỏe tâm thần là một khía cạnh quan trọng của chăm sóc sức khỏe quốc gia tác động đến các bệnh mãn tính. Chúng tôi đã phân tích sức khỏe tâm thần theo giới tính [Hình 8] và theo chủng tộc [Hình 9]. Khi chúng tôi xem xét bao nhiêu ngày mà một cá nhân cảm thấy không lành mạnh về mặt tinh thần "trong những năm 2012 đến 2014, phụ nữ có nhiều khả năng có nhiều ngày không lành mạnh hơn nam giới, như trong Hình 8.Figure 8] and by race [Figure 9]. When we examine how many days an individual feels “mentally unhealthy" for the years 2012 to 2014, women are more likely to have more unhealthy days than men, as shown in Figure 8.

Đồng thời, phụ nữ đa chủng tộc, không phải là người gốc Tây Ban Nha ở độ tuổi từ 18 đến 44 có tỷ lệ lưu hành thô cao hơn ít nhất là 14 ngày gần đây về mặt tinh thần. Nhóm này được theo sau bởi những người không phải là người da đen.

Sau đó, chúng tôi đã nghiên cứu các thói quen hành vi trong tập dữ liệu để hiểu rõ hơn về các mô hình đáng chú ý, nếu trên thực tế có tồn tại.

3.2. Thói quen hành vi theo giới tính và chủng tộc

Hình 10 Biểu đồ thói quen hành vi theo giới tính. charts behavioral habits by gender.

Thói quen hành vi theo giới tính.

Như đã thấy trong bảng xếp hạng ở trên, đàn ông hiển thị số lượng cao hơn trong các loại rượu của việc uống rượu vang và uống rượu nặng, cũng như trong việc sử dụng thuốc lá không khói hiện tại ở người lớn. Về mặt tham gia vào việc hút thuốc hiện tại, người béo phì, và không có hoạt động thể chất trong thời gian giải trí, cả nam và nữ đều gặp những biến chứng tương tự, nhấn mạnh sự cần thiết phải sửa đổi hành vi tích cực.

Hình 11 minh họa phân tích thói quen hành vi theo chủng tộc. illustrates the analysis of behavioral habits by race.

Thói quen hành vi theo chủng tộc.

Hình 11 cho thấy rằng đối với các thói quen hành vi của bệnh béo phì, và không có hoạt động thể chất trong thời gian giải trí ở những người trưởng thành từ 18 tuổi trở lên, các chủng tộc không phải gốc Tây Ban Nha và Tây Ban Nha có tần suất cao nhất, trong khi những người không phải người da trắng có thấp nhất. Nhìn chung, trong hầu hết các thói quen hành vi, những người không phải người gốc Tây Ban Nha khác có tần suất thấp nhất. reveals that for the behavioral habits of “obesity” and “no leisure-time” physical activity among adults aged 18 and over, the black non-Hispanic and Hispanic races have the highest frequency, while white non-Hispanics have the lowest. By and large, in most behavioral habits, the other non-Hispanics have the lowest frequency.

3.3. Sức khỏe phòng ngừa và tình trạng mãn tính

Chúng tôi đã phân tích dữ liệu để phát hiện mối liên hệ giữa nhân khẩu học và sức khỏe phòng ngừa. Như Hình 12 chỉ ra, cả nam và nữ dường như tham gia vào sức khỏe phòng ngừa, mặc dù phụ nữ có lợi thế. Liên quan đến chủng tộc, người da đen và người gốc Tây Ban Nha ít tham gia vào sức khỏe phòng ngừa nói chung, như trong Hình 13.Figure 12 indicates, both men and women appear to engage in preventive health, though women have the edge. With regard to race, Blacks and Hispanics engage less in preventive health overall, as shown in Figure 13.

Sức khỏe phòng ngừa theo giới tính.

Sức khỏe phòng ngừa theo chủng tộc.

Mặc dù tất cả các tình trạng mãn tính đang làm suy nhược nền kinh tế, vì lợi ích của phạm vi, chúng tôi phân tích chọn lọc ảnh hưởng của một vài tình trạng như bệnh tiểu đường và hen suyễn. Đến năm 2034, dân số mắc bệnh tiểu đường dự kiến ​​sẽ tăng 100% và chi phí dự kiến ​​sẽ tăng 53% [33]. Hình 14 mô tả mối liên quan giữa bệnh tiểu đường và tiêm vắc -xin phế cầu khuẩn cho bệnh tiểu đường.Figure 14 depicts the association between diabetes and pneumococcal vaccination for diabetes.

Chẩn đoán tỷ lệ bệnh tiểu đường theo tỷ lệ tiêm vắc -xin phế cầu khuẩn. [#: con số].

Như được chỉ ra trong Hình 14, có một mối quan hệ tiêu cực đáng kể giữa việc tiêm vắc -xin phế cầu khuẩn trung bình ở bệnh nhân tiểu đường và tỷ lệ bệnh tiểu đường được chẩn đoán trung bình trong dân số [p