Impact of Glucose Fluctuation on Acute Cerebral Infarction in Type 2 Diabetes
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to describe the frequency and temporal profile of acute cerebral infarction (ACI) using a continuous glucose monitoring system (CGMS) in patients with and without type 2 diabetes mellitus (T2DM) and explore the impact of blood glucose fluctuations on the short-term prognosis of ACI. METHODS: The subjects were divided into four groups: T2DM with acute cerebral infarction (DMCI, Group A, n=56); T2DM without acute cerebral infarction (DM-NCI, Group B, n=36); Acute cerebral infarction patients without T2DM (NDM-CI, Group C, n=54); Healthy control group (NG, Group D, n=36). The National Institutes of Health Stoke Scale (NIHSS) and modified Rankin scale (mRs) were collected in Group A and C. All subjects were monitored for 72 hours using the CGMS. Indices such as fasting blood glucose (FBG) and mean amplitude of glycemic excursions (MAGE) were calculated. Glycemic excursions were compared between Group A, B, C and Group D, respectively. Multiple linear regression analysis and logistic analysis was applied. RESULTS: MAGE is related to NIHSS, homocysteine (HCY), HOMA-IR, FBG, CRP and IMT, while NIHSS is related to CRP, HCY, HOMA-IR, IMT. The factors impacting the short-term prognosis of ACI were NIHSS, HBA1C and MAGE. CONCLUSION: Larger glucose fluctuations are associated with more stroke risk factors and are associated with a poorer short-term prognosis. More attention should be paid to glucose fluctuations in patients with ACI and a history of T2DM.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».