Effects of Glucose Toxicity and Islet Purity on In Vivo Magnetic Resonance Imaging of Transplanted Pancreatic Islets
Notice bibliographique
Résumé
BACKGROUND: Pancreatic islet transplantation has recently emerged as a powerful clinical modality to restore normoglycemia in diabetic patients. Despite the success of the Edmonton protocol, these patients still experience a significant islet loss immediately after transplantation. Noninvasive magnetic resonance imaging (MRI) allows for longitudinal monitoring of graft loss providing that islets are labeled with a magnetically "visible" contrast agent. To fully interpret the imaging data, it is critical to investigate factors normally present during clinical transplantation and influencing MRI of transplanted islets. METHODS: Here, we focused on both the effect of hyperglycemia and the effect of contaminating nonendocrine tissue, which is always present in islet preparations, on MRI imaging of islet grafts. Human pancreatic islets labeled with Feridex were transplanted in diabetic and healthy animals. Separate groups of animals were transplanted with Feridex-labeled pure and nonpure (50% islets and 50% nonendocrine tissue) preparations. The fate of the graft in all groups was monitored by in vivo MRI. RESULTS: We found that diabetic animals with transplanted islets showed a significantly higher rate of islet death than their healthy counterparts on in vivo MR images. Interestingly, transplantation of islets contaminated with nonendocrine tissue did not have any significant influence on MR images, presumably because of a low labeling rate of this tissue and a fast rate of its disappearance after transplantation. CONCLUSIONS: We believe that this study serves as yet another step on our way to clinical use of in vivo imaging of islet transplantation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».