Fasting Blood Glucose-A Missing Variable for GFR-Estimation in Type 1 Diabetes?
Notice bibliographique
Résumé
OBJECTIVE: Estimation of glomerular filtration rate (eGFR) is one of the current clinical methods for identifying risk for diabetic nephropathy in subjects with type 1 diabetes (T1D). Hyperglycemia is known to influence GFR in T1D and variability in blood glucose at the time of eGFR measurement could introduce bias in eGFR. We hypothesized that simultaneously measured blood glucose would influence eGFR in adults with T1D. METHODS: Longitudinal multivariable mixed-models were employed to investigate the relationships between blood glucose and eGFR by CKD-EPI eGFRCYSTATIN C over 6-years in the Coronary Artery Calcification in Type 1 diabetes (CACTI) study. All subjects with T1D and complete data including blood glucose and cystatin C for at least one of the three visits (n = 616, 554, and 521, respectively) were included in the longitudinal analyses. RESULTS: In mixed-models adjusting for sex, HbA1c, ACEi/ARB, protein and sodium intake positive associations were observed between simultaneous blood glucose and eGFRCYSTATIN C (β±SE:0.14±0.04 per 10 mg/dL of blood glucose, p<0.0001), and hyperfiltration as a dichotomous outcome (OR: 1.04, 95% CI: 1.01-1.07 per 10 mg/dL of blood glucose, p = 0.02). CONCLUSIONS: In our longitudinal data in subjects with T1D, simultaneous blood glucose has an independent positive effect on eGFRCYSTATIN C. The associations between blood glucose and eGFRCYSTATIN C may bias the accurate detection of early diabetic nephropathy, especially in people with longitudinal variability in blood glucose.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,041 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».