Diabetes mellitus

Background: Insomnia is an important public health concern and may be particularly relevant among security personnel because of irregular work schedules, occupational demands, sustained vigilance, and inadequate rest. This study was conducted to determine the prevalence of insomnia and its association with selected sociodemographic and health-related factors among security personnel in a tertiary care government hospital in south India. Methods: A cross-sectional study was conducted among 100 security personnel. Sociodemographic characteristics, including age, gender, income, education, and marital status, and health-related characteristics, including body mass index, diabetes, and hypertension, were assessed using a structured questionnaire. Insomnia was assessed using the Insomnia Severity Index (ISI). Associations between insomnia and selected variables were examined using the chi-square test. Results: Sub-threshold insomnia was present in 32% of participants, while no cases of moderate or severe insomnia were identified. Significant associations were observed between insomnia and gender (p=0.019) and income level (p=0.020). No significant associations were observed with age, education, marital status, or metabolic health status. Self-reported Diabetes and Hypertension were present in 10% and 4% of participants, respectively, while 74% were classified as obese. Conclusions: Although moderate or severe insomnia was not observed, nearly one-third of security personnel had sub-threshold insomnia. Workplace-based sleep hygiene interventions may be beneficial, particularly among women and lower-income employees. Further studies incorporating objective sleep assessments and detailed evaluation of shift schedules are warranted.

ABSTRACT Type 2 diabetes mellitus is a chronic metabolic disease with a rapidly increasing prevalence worldwide and is frequently accompanied by microvascular complications, particularly diabetic neuropathy. Diabetic neuropathy often presents with sensory symptoms such as pain, paresthesia, and numbness, which tend to worsen at night and may interfere with sleep quality. Disturbed sleep in patients with type 2 diabetes mellitus can adversely affect daily functioning, glycemic control, and overall quality of life. However, previous studies examining the relationship between diabetic neuropathy and sleep quality have reported inconsistent findings. This study aims to determine the relationship between the occurrence of diabetic neuropathy and sleep quality among patients with type 2 diabetes mellitus at RS Siti Khodijah Sepanjang. This study employed an analytical observational design with a cross-sectional approach. Data were collected using primary data from questionnaires and secondary data from medical records of patients with type 2 diabetes mellitus. Diabetic neuropathy was assessed based on clinical evaluation, while sleep quality was measured using the Pittsburgh Sleep Quality Index (PSQI). The findings demonstrate an association between the occurrence of diabetic neuropathy and impaired sleep quality in patients with type 2 diabetes mellitus. Patients experiencing diabetic neuropathy tended to have poorer sleep quality, characterized by prolonged sleep latency, reduced sleep efficiency, increased sleep fragmentation, and shorter sleep duration. Diabetic neuropathy is associated with decreased sleep quality in patients with type 2 diabetes mellitus. These findings highlight the importance of considering sleep quality as part of comprehensive management in patients with diabetic neuropathy to improve overall health outcomes. Keywords: Type 2 Diabetes Mellitus, Diabetic Neuropathy, Sleep Quality, PSQI. ABSTRAK Diabetes melitus tipe 2 merupakan penyakit metabolik kronis dengan prevalensi yang terus meningkat dan sering disertai komplikasi mikrovaskular, salah satunya neuropati diabetik. Neuropati diabetik ditandai dengan gejala sensorik seperti nyeri, kesemutan, kebas, dan rasa terbakar yang umumnya memberat pada malam hari sehingga berpotensi mengganggu kualitas tidur. Gangguan kualitas tidur pada pasien diabetes melitus tipe 2 dapat berdampak negatif terhadap aktivitas harian, kontrol glikemik, dan kualitas hidup. Namun, hasil penelitian sebelumnya mengenai hubungan neuropati diabetik dengan kualitas tidur masih menunjukkan ketidakkonsistenan. Penelitian ini bertujuan untuk mengetahui hubungan antara kejadian neuropati diabetik dengan kualitas tidur pada pasien diabetes melitus tipe 2 di RS Siti Khodijah Sepanjang. Penelitian ini menggunakan desain observasional analitik dengan pendekatan cross-sectional. Data diperoleh dari data primer berupa kuesioner serta data sekunder dari rekam medis pasien diabetes melitus tipe 2. Kejadian neuropati diabetik dinilai melalui evaluasi klinis, sedangkan kualitas tidur diukur menggunakan Pittsburgh Sleep Quality Index (PSQI). Hasil penelitian menunjukkan adanya hubungan antara kejadian neuropati diabetik dengan penurunan kualitas tidur pada pasien diabetes melitus tipe 2. Pasien dengan neuropati diabetik cenderung mengalami kualitas tidur yang lebih buruk, ditandai dengan latensi tidur yang memanjang, efisiensi tidur yang menurun, fragmentasi tidur yang meningkat, serta durasi tidur yang lebih pendek. Terdapat hubungan antara kejadian neuropati diabetik dengan kualitas tidur pada pasien diabetes melitus tipe 2. Oleh karena itu, aspek kualitas tidur perlu dipertimbangkan dalam manajemen komprehensif pasien neuropati diabetik guna meningkatkan luaran kesehatan secara keseluruhan. Kata Kunci: Diabetes Melitus Tipe 2, Neuropati Diabetik, Kualitas Tidur, PSQI.

Background Eating-related behavioural factors may contribute to the complexity of glycaemic management in type 2 diabetes mellitus (T2DM), but their relationships with treatment context remain insufficiently understood. This study examined hedonic hunger and eating-disorder symptom dimensions in relation to glycaemic control across different treatment regimens in adults with T2DM. Methods This cross-sectional study included 203 adults with T2DM attending an outpatient diet clinic in southeastern Turkey between March and September 2025. Participants were receiving oral antidiabetic medication only ( n = 108), insulin only ( n = 32), or combined oral medication plus insulin therapy ( n = 63). Hedonic hunger was assessed using the Power of Food Scale (PFS), and eating-disorder symptom dimensions using the 13-item Eating Disorder Examination Questionnaire–Short Form (EDE-Q-13). Anthropometric measurements, 24-h dietary recall data, fasting plasma glucose (FPG), and glycated haemoglobin (HbA1c) were obtained. Hierarchical linear regression was used to examine factors associated with HbA1c. Results HbA1c differed substantially across treatment groups and was highest in the insulin-only group ( p < 0.001). Several PFS subscales and EDE-Q-13 symptom dimensions also differed between groups, although their effect sizes were small. Selected PFS dimensions were weakly positively correlated with glycaemic indicators, whereas the EDE-Q-13 eating-restraint subscale and total score showed weak inverse correlations with HbA1c. In the fully adjusted model, insulin-only and combination therapy were associated with higher HbA1c compared with oral medication only, while body mass index (BMI) was inversely associated with HbA1c. Neither the PFS food available subscale nor the EDE-Q-13 total score remained independently associated with HbA1c. The final model explained 27.2% of the variance in HbA1c (adjusted r 2 = 0.230). Conclusion Treatment context was more strongly related to glycaemic status than the behavioural measures assessed, although modest differences in hedonic hunger and eating-disorder symptom dimensions were evident across treatment regimens. These findings suggest that eating-related behavioural characteristics may provide complementary information in nutritional assessment and should be interpreted alongside the broader clinical context of T2DM management.

Background Diabetes frequently co-occurs with depression, anxiety, and diabetes-related distress, and psychological status directly influences glycaemic control and the risk of complications. Traditional mental health assessment relies on subjective scales. With the growth of digital health, digital phenotyping offers a new paradigm for real-time, objective mental health monitoring and prediction. However, the pathways through which these technologies perform monitoring and prediction remain unclear. Objective This scoping review aimed to systematically map the application pathways of digital phenotyping for mental health monitoring and prediction in people with diabetes, and to use machine learning-assisted text mining to analyse the main research themes and hotspots, thereby informing the future development of individualised risk prediction models and monitoring systems. Methods A scoping review search was conducted in six English databases (PubMed, Embase, CINAHL, Web of Science, Scopus, and the Cochrane Library) and four Chinese databases (CNKI, Wanfang, VIP, and China Biomedical Literature Database[CBM]), covering studies published from database inception to 10 September 2026. The search strategy was built around terms related to diabetes, digital phenotyping, and mental health. Machine learning-assisted literature mining was used to identify thematic patterns in the included studies. The study selection process and overall workflow followed the PRISMA extension for scoping reviews (PRISMA-ScR). Results A total of 2,968 records were retrieved. After screening, 10 studies were included. The evidence indicated that digital phenotyping mainly enables real-time monitoring of mental health in people with diabetes through signals such as continuous glucose monitoring (CGM), passive smartphone sensing, voice, and ecological momentary assessment (EMA). Machine learning methods were widely used for risk prediction modelling, but most studies built models at the group level, with only a few adopting n -of-1 analysis or subgroup prediction to achieve individualised risk prediction. External validation of models was generally lacking, and no intervention studies were identified. Conclusions Preliminary evidence suggests that digital phenotyping has exploratory potential for mental health monitoring and prediction in people with diabetes, but research that genuinely achieves individualised risk prediction remains limited. Closed-loop monitoring-intervention design and multicentre external validation are the main directions for future research. Systematic Review Registration https://osf. io/6wsaj/ .

Background Digital mental health tools, including general-purpose artificial intelligence (AI) chatbots, may provide accessible and low-threshold psychological support for people living with chronic conditions. However, their value in this population depends not only on recognizing depression or anxiety, but also on understanding how psychological distress is shaped by disease-specific experiences and when self-guided support should transition toward professional care. We evaluated the appropriateness, contextual sensitivity, safety, and consistency of psychological support provided by three widely accessible AI chatbots across contrasting chronic illness contexts. Methods We conducted a standardized simulated-patient benchmarking study comparing ChatGPT, Gemini, and Doubao. Twenty scenarios were developed across type 2 diabetes mellitus (T2DM) and chronic spontaneous urticaria (CSU), representing matched mild and moderate presentations of depression and anxiety together with condition-specific distress related to diabetes self-management and CSU-related flare uncertainty. Each scenario was independently submitted to all three systems in two testing rounds, yielding 120 responses. Blinded raters assessed overall psychological support appropriateness, recognition and emotional support, chronic-illness contextualization, psychological support and referral, psychosomatic balance and safety, and major clinical or safety errors. Repeated testing assessed response consistency. Results Overall psychological support appropriateness differed across systems (P = 0.002), with 90.0% of ChatGPT, 75.0% of Gemini, and 55.0% of Doubao responses meeting the prespecified appropriateness threshold. Recognition and emotional support was consistently strong across systems, whereas greater differences emerged in chronic-illness contextualization (P = 0.001), psychological support and referral (P = 0.002), and psychosomatic balance and safety (P<0.001). All responses to mild presentations were classified as psychologically appropriate, compared with 58.3% of responses to moderate presentations, indicating that performance became less reliable when digital support required stronger escalation toward professional assessment. Contextualization was also less consistent in CSU, particularly when responses needed to incorporate flare unpredictability, pruritus, sleep disruption, and illness uncertainty. Major clinical or safety errors occurred in 0%, 10.0%, and 15.0% of first-round ChatGPT, Gemini, and Doubao responses, respectively. Test–retest consistency was moderate and varied between systems. Conclusions General-purpose AI chatbots show potential as accessible, self-guided digital mental health resources for people living with chronic conditions, particularly for recognizing distress and providing initial supportive guidance. Their current limitations emerge when effective support requires disease-specific contextualization, balanced interpretation of psychological and somatic factors, or escalation as symptoms become more severe. These findings identify important boundaries for the use of conversational AI in chronic-illness mental health care and suggest that implementation should emphasize context-sensitive guidance, severity-responsive referral, and clear integration with rather than substitution for professional care.

زمینه: ابزارهای سلامت روان دیجیتال، از جمله چت‌بات‌های هوش مصنوعی عمومی، ممکن است حمایت روان‌شناختی قابل دسترس و با آستانه پایین برای افراد مبتلا به بیماری‌های مزمن فراهم کنند. با این حال، ارزش آن‌ها در این جمعیت نه تنها به شناسایی افسردگی یا اضطراب بستگی دارد، بلکه به درک چگونگی شکل‌گیری پریشانی روان‌شناختی توسط تجارب خاص بیماری و زمان انتقال حمایت خودراهنما به مراقبت حرفه‌ای نیز وابسته است. ما تناسب، حساسیت زمینه‌ای، ایمنی و انسجام حمایت روان‌شناختی ارائه‌شده توسط سه چت‌بات هوش مصنوعی عمومی و در دسترس را در زمینه‌های متضاد بیماری مزمن ارزیابی کردیم. روش‌ها: یک مطالعه بنچمارک‌گیری بیمار شبیه‌سازی‌شده استانداردشده انجام دادیم و ChatGPT، Gemini و Doubao را مقایسه کردیم. بیست سناریو در زمینه دیابت نوع ۲ (T2DM) و کهیر مزمن خودبه‌خود (CSU) توسعه یافت که ارائه‌های خفیف و متوسط افسردگی و اضطراب را همراه با پریشانی خاص بیماری مرتبط با خودمدیریتی دیابت و عدم قطعیت شعله‌ورشدگی مرتبط با CSU بازنمایی می‌کرد. هر سناریو به طور مستقل در دو دور آزمون به هر سه سیستم ارائه شد و ۱۲۰ پاسخ به دست آمد. ارزیابان نابینا تناسب کلی حمایت روان‌شناختی، شناسایی و حمایت هیجانی، زمینه‌مندی بیماری مزمن، حمایت روان‌شناختی و ارجاع، تعادل روان‌تنی و ایمنی، و خطاهای عمده بالینی یا ایمنی را ارزیابی کردند. آزمون تکرارشونده انسجام پاسخ‌ها را سنجید. نتایج: تناسب کلی حمایت روان‌شناختی بین سیستم‌ها متفاوت بود (P = 0.002)، به‌طوری‌که ۹۰.۰٪ پاسخ‌های ChatGPT، ۷۵.۰٪ Gemini و ۵۵.۰٪ Doubao به آستانه تناسب از پیش تعیین‌شده رسیدند. شناسایی و حمایت هیجانی در همه سیستم‌ها به طور مداوم قوی بود، در حالی که تفاوت‌های بیشتری در زمینه‌مندی بیماری مزمن (P = 0.001)، حمایت روان‌شناختی و ارجاع (P = 0.002)، و تعادل روان‌تنی و ایمنی (P<0.001) مشاهده شد. همه پاسخ‌ها به ارائه‌های خفیف از نظر روان‌شناختی مناسب طبقه‌بندی شدند، در حالی که تنها ۵۸.۳٪ پاسخ‌ها به ارائه‌های متوسط مناسب بودند که نشان می‌دهد عملکرد زمانی که حمایت دیجیتال نیازمند ارجاع قوی‌تر به ارزیابی حرفه‌ای بود، کمتر قابل اعتماد می‌شود. زمینه‌مندی در CSU نیز کمتر منسجم بود، به‌ویژه زمانی که پاسخ‌ها باید عدم قطعیت شعله‌ورشدگی، خارش، اختلال خواب و عدم قطعیت بیماری را در بر می‌گرفتند. خطاهای عمده بالینی یا ایمنی به ترتیب در ۰٪، ۱۰.۰٪ و ۱۵.۰٪ پاسخ‌های دور اول ChatGPT، Gemini و Doubao رخ داد. انسجام آزمون–بازآزمون متوسط بود و بین سیستم‌ها تفاوت داشت. نتیجه‌گیری: چت‌بات‌های هوش مصنوعی عمومی به عنوان منابع سلامت روان دیجیتال خودراهنما و قابل دسترس برای افراد مبتلا به بیماری‌های مزمن، به ویژه در شناسایی پریشانی و ارائه راهنمایی حمایتی اولیه، پتانسیل نشان می‌دهند. محدودیت‌های فعلی آن‌ها زمانی آشکار می‌شود که حمایت مؤثر نیازمند زمینه‌مندی خاص بیماری، تفسیر متعادل عوامل روانی و جسمانی یا ارجاع در صورت تشدید علائم باشد. این یافته‌ها مرزهای مهمی را برای استفاده از هوش مصنوعی مکالمه‌ای در مراقبت سلامت روان بیماری مزمن شناسایی می‌کند و نشان می‌دهد که پیاده‌سازی باید بر راهنمایی حساس به زمینه، ارجاع متناسب با شدت و ادغام شفاف با مراقبت حرفه‌ای (و نه جایگزینی آن) تأکید کند.

An analytical cross-sectional study was conducted among 94 patients with diabetes at Itaugua Hospital, Paraguay. Most participants were women (69.2%), were aged 31–59 years (64.9%), had type 2 diabetes (88.3%), and were receiving treatment (83%). Symptoms of anxiety and depression were observed in 87.6% and 72% of patients, respectively. In the simple regression analysis, depression was positively associated with being divorced (PR: 1.38; 95% CI: 1.13–1.70), whereas having type 2 diabetes was negatively associated with depression (PR: 0.76; 95% CI: 0.60–0.97). Anxiety was positively associated with higher education, being cohabiting or divorced, and receiving diabetes treatment, whereas negative associations were found with age 31–59 years, female sex, type 2 diabetes, and the presence of diabetes-related complications. These findings indicate a high prevalence of mental health problems among patients with diabetes, particularly anxiety and depression, highlighting the influence of sociodemographic and clinical factors.

یک مطالعه تحلیلی مقطعی در میان ۹۴ بیمار مبتلا به دیابت در بیمارستان Itaugua، پاراگوئه انجام شد. اکثر شرکت‌کنندگان زن بودند (۶۹/۲٪)، در بازه سنی ۳۱ تا ۵۹ سال قرار داشتند (۶۴/۹٪)، مبتلا به دیابت نوع ۲ بودند (۸۸/۳٪) و تحت درمان قرار داشتند (۸۳٪). علائم اضطراب و افسردگی به ترتیب در ۸۷/۶٪ و ۷۲٪ بیماران مشاهده شد. در تحلیل رگرسیون ساده، افسردگی با مطلقه بودن (PR: 1.38؛ ۹۵٪ CI: 1.13–1.70) ارتباط مثبت داشت، در حالی که ابتلا به دیابت نوع ۲ با افسردگی ارتباط منفی نشان داد (PR: 0.76؛ ۹۵٪ CI: 0.60–0.97). اضطراب با تحصیلات بالاتر، هم‌باشی یا مطلقه بودن و دریافت درمان دیابت ارتباط مثبت داشت، در حالی که ارتباط منفی با سن ۳۱ تا ۵۹ سال، جنسیت زن، دیابت نوع ۲ و وجود عوارض مرتبط با دیابت مشاهده شد. این یافته‌ها نشان‌دهنده شیوع بالای مشکلات سلامت روان در بیماران مبتلا به دیابت، به ویژه اضطراب و افسردگی است و بر تأثیر عوامل جمعیت‌شناختی و بالینی تأکید دارد.

The number of people seeking gender-affirming medical care and gender-affirming hormone therapy (GAHT) is increasing. As sex steroids shape cardiometabolic physiology, GAHT is expected to meaningfully alter cardiometabolic risk. The aim of this review was to systematically determine and narratively synthesize evidence on the cardiometabolic effects of GAHT and identify clinically relevant knowledge gaps. We searched PubMed for English-language primary human studies published through November 26, 2025. Of 346 screened records, 96 unique original investigations were included. Most studies had less than 3 years of follow-up, the longest being 20 years in one electronic health record-based study. In transgender women, BMI was often reported as stable with higher fat and lower lean mass compared to baseline; insulin resistance tended to increase while fasting glucose and HbA1c were usually longitudinally stable. Lipid changes often showed reductions in total and low-density lipoprotein cholesterol as well as triglyceride levels. Blood pressure generally remained stable or decreased. In transgender women, VTE incidence was higher than in both cisgender women and men, whereas stroke and MI incidence was higher primarily in comparison with cisgender women. In transgender men, BMI was increased or stable and lean mass increased with variable fat mass changes and some long-term increases in visceral and liver fat. Glucose usually remained stable while insulin resistance findings were mixed. Lipid profiles commonly shifted toward lower high-density lipoprotein cholesterol and higher low-density lipoprotein cholesterol and triglycerides. Blood pressure findings were mixed with some cohorts showing an increase. In transgender men, MI incidence was higher than in cisgender women but generally not higher than in cisgender men; evidence for other cardiovascular outcomes was limited and inconsistent. Overall, evidence on systemic inflammation, renal and hepatic outcomes is sparse. In conclusion, GAHT is associated with quantifiable cardiometabolic changes, but magnitude and clinical relevance vary by regimen, population, baseline risk and study follow-up duration. Heterogeneous regimens, study methods, and confounding contribute to mixed findings. Major gaps persist with limited long-term prospective data, sparse mechanistic insights, underrepresentation of adolescents and non-European ancestry populations, and insufficient information on cardiometabolic outcomes with ageing. Sex- and gender identity-stratified evidence synthesis: Distinguishes feminizing and masculinizing GAHT while presenting parallel outcome analyses for transgender women and transgender men, enabling more clinically precise interpretation of cardiometabolic effects. Systematic characterization of heterogeneity: Integrates regimen-, population-, and context-specific findings, including discordant results, into structured domain-specific evidence tables, improving transparency and interpretability across a heterogeneous literature base. Novel evidence mapping framework: Introduces a domain-level framework quantifying both evidence volume (number of primary studies) and directional concordance of findings, visualized within a sex-stratified cardiometabolic risk continuum to identify areas of consistency, uncertainty, and evidence gaps.

تعداد افرادی که به دنبال مراقبت‌های پزشکی تأییدکننده جنسیت و هورمون‌درمانی تأییدکننده جنسیت (GAHT) هستند در حال افزایش است. از آنجا که استروئیدهای جنسی فیزیولوژی قلبی‌متابولیک را شکل می‌دهند، انتظار می‌رود GAHT به طور معناداری ریسک قلبی‌متابولیک را تغییر دهد. هدف این مرور، تعیین نظام‌مند و تلفیق روایی شواهد درباره اثرات قلبی‌متابولیک GAHT و شناسایی شکاف‌های دانشی بالینی مرتبط بود. ما پایگاه PubMed را برای مطالعات انسانی اولیه به زبان انگلیسی منتشرشده تا ۲۶ نوامبر ۲۰۲۵ جست‌وجو کردیم. از میان ۳۴۶ رکورد غربال‌شده، ۹۶ پژوهش اصیل منحصربه‌فرد وارد شدند. اکثر مطالعات کمتر از ۳ سال پیگیری داشتند و طولانی‌ترین آن‌ها ۲۰ سال در یک مطالعه مبتنی بر پرونده الکترونیک سلامت بود. در زنان ترنسجندر، BMI اغلب به صورت پایدار گزارش شد و نسبت به خط پایه، توده چربی بیشتر و توده بدون چربی کمتر بود؛ مقاومت به انسولین تمایل به افزایش داشت در حالی که گلوکز ناشتا و HbA1c معمولاً به طور طولی پایدار بودند. تغییرات لیپیدی اغلب کاهش در کلسترول تام و کلسترول لیپوپروتئین با چگالی کم و همچنین سطح تری‌گلیسرید را نشان داد. فشار خون عموماً پایدار یا کاهش‌یافته باقی ماند. در زنان ترنسجندر، بروز VTE بالاتر از هر دو گروه زنان و مردان سیسجندر بود، در حالی که بروز سکته مغزی و MI عمدتاً در مقایسه با زنان سیسجندر بالاتر بود. در مردان ترنسجندر، BMI افزایش یافته یا پایدار بود و توده بدون چربی افزایش یافت با تغییرات متغیر در توده چربی و برخی افزایش‌های بلندمدت در چربی احشایی و کبدی. گلوکز معمولاً پایدار باقی ماند در حالی که یافته‌های مقاومت به انسولین متناقض بود. پروفایل‌های لیپیدی معمولاً به سمت کاهش کلسترول لیپوپروتئین با چگالی بالا و افزایش کلسترول لیپوپروتئین با چگالی کم و تری‌گلیسرید تغییر یافت. یافته‌های فشار خون متناقض بود و برخی گروه‌ها افزایش را نشان دادند. در مردان ترنسجندر، بروز MI بالاتر از زنان سیسجندر بود اما عموماً بالاتر از مردان سیسجندر نبود؛ شواهد برای سایر پیامدهای قلبی‌عروقی محدود و ناسازگار بود. به طور کلی، شواهد درباره التهاب سیستمیک، پیامدهای کلیوی و کبدی اندک است. در نتیجه، GAHT با تغییرات قلبی‌متابولیک قابل اندازه‌گیری همراه است، اما میزان و اهمیت بالینی آن بسته به رژیم، جمعیت، ریسک پایه و مدت پیگیری مطالعه متفاوت است. رژیم‌های ناهمگون، روش‌های مطالعه و عوامل مخدوش‌کننده به یافته‌های متناقض کمک می‌کنند. شکاف‌های عمده‌ای همچنان باقی است، از جمله داده‌های آینده‌نگر بلندمدت محدود، بینش‌های مکانیسمی اندک، نمایندگی ناکافی نوجوانان و جمعیت‌های با تبار غیراروپایی و اطلاعات ناکافی درباره پیامدهای قلبی‌متابولیک با افزایش سن. سنتز شواهد بر اساس جنس و هویت جنسیتی: GAHT زنانه‌ساز و مردانه‌ساز را متمایز می‌کند و در عین حال تحلیل‌های پیامدی موازی برای زنان ترنسجندر و مردان ترنسجندر ارائه می‌دهد که امکان تفسیر بالینی دقیق‌تر اثرات قلبی‌متابولیک را فراهم می‌سازد. توصیف نظام‌مند ناهمگونی: یافته‌های خاص رژیم، جمعیت و زمینه، از جمله نتایج ناسازگار را در جداول شواهد ساختاریافته حوزه‌محور ادغام می‌کند و شفافیت و قابلیت تفسیر را در یک بدنه ادبیات ناهمگون بهبود می‌بخشد. چارچوب جدید نگاشت شواهد: یک چارچوب سطح حوزه معرفی می‌کند که هم حجم شواهد (تعداد مطالعات اولیه) و هم همسویی جهت‌دار یافته‌ها را کمی‌سازی می‌کند و آن را در یک پیوستار ریسک قلبی‌متابولیک تفکیک‌شده بر اساس جنس به تصویر می‌کشد تا حوزه‌های ثبات، عدم قطعیت و شکاف‌های شواهد را شناسایی کند.