The Relationship Between Glycosylated Hemoglobin and Myocardial Perfusion Imaging
Notice bibliographique
Résumé
BACKGROUND: The relationship between long-term glucose control (measured by glycosylated hemoglobin [HgbA1C]) and myocardial perfusion imaging (MPI) abnormalities in symptomatic diabetic patients has not been studied. HYPOTHESIS: We hypothesized that diabetic patients with poorly controlled HgbA1C would have more abnormal MPI compared to both patients without diabetes and diabetic patients with tighter glycemic control. METHODS: This was a retrospective evaluation of 1037 consecutive patients referred for MPI. All patients completed a 1-day MPI protocol. The electronic medical records were accessed for demographics and relevant medical history. RESULTS: Diabetic patients had a higher risk of abnormal MPI (including ischemia, infarction, and mixed ischemia/infarction) compared to nondiabetic patients (relative risk [RR] = 1.77). The populations with suboptimal (HgbA1C ≥ 7%) and poor (HgbA1C ≥ 8%) glycemic control had significantly higher risk of abnormal MPI (RR = 1.78 and 2.17, respectively) compared to nondiabetic patients. Coronary angiography supported the MPI results; 66% of diabetic patients had coronary artery disease (CAD), which was higher than the 53% of patients without diabetes found to have CAD. CONCLUSIONS: The importance of strict glycemic control to reduce cardiovascular complications in diabetic patients is well known. Our study shows a significantly higher risk of abnormal MPI and CAD in diabetic patients with suboptimal and poor long-term glycemic control, further emphasizing the need for aggressive risk factor modification to minimize vascular complications from DM.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».