MétaCan
Menu
Retour à la cohorte
Enregistrement W2575455217 · doi:10.18203/2320-6012.ijrms20161794

The spectrum of mild cognitive impairment in dyslipidemic non-elderly type 1 diabetics

2016· article· en· W2575455217 sur OpenAlexaboutno aff
Deepak Kumar, Veer Bahadur Singh, Babulal Meena, Kulvinder Singh, Shivani Sidana, Rahul Singla

Notice bibliographique

RevueInternational Journal of Research in Medical Sciences · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurological Disorders and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineDyslipidemiaInternal medicineCognitionDiabetes mellitusGlycemicType 2 diabetesMontreal Cognitive AssessmentHypoglycemiaLogistic regressionLipid profileDementiaDiseaseInclusion and exclusion criteriaCognitive declineEndocrinologyPsychiatryPathology

Résumé

récupéré en direct d'OpenAlex

Background: Diabetics often have reduced performance in numerous domains of cognitive function, a process termed as Diabetic encephalopathy. The exact pathophysiology of cognitive dysfunction in diabetes is not completely understood, but it is likely that hyperglycaemia, vascular disease, hypoglycemia, and insulin resistance play significant roles. Although cognitive dysfunction is quite common in elderly, however, its occurrence in non-elderly diabetics is not much investigated. Aim of the study was to identify the correlation among various components of lipid profile with mild cognitive impairment in non-elderly type 1 diabetics.Methods: 98 type 1 diabetics were enrolled justifying relevant inclusion &exclusion criteria. Anthropometric indices, biochemical and clinical parameters were measured. MoCA test was employed for the assessment of cognitive dysfunction. Receiver operating characteristic, partial correlation, and logistic regression analyzes were employed for evaluation.Results: 71.42% of enrolled diabetics had some degree of cognitive dysfunction. Duration of the disease had a significant impact on cognitive functioning (p=0.032).Gender, residential area as well as the age of onset of diabetes appeared to have an insignificant impact on cognitive functioning (p>0.05). Diabetics with poor glycemic control were more prone to develop MCI (p<0.001).On comparison of various component of MoCA test; it was seen that most significant parameter that was affected was attention (p<0.001), followed by delayed recall /memory, naming and abstraction (p<0.05).Conclusions: The results of our study suggest that dyslipidemia chiefly raised total cholesterol, triglycerides and LDL is quite common in non-elderly type 1 diabetics and are associated with poorer cognitive function. Cognitive dysfunction should be listed as one of the many complications of diabetes, along with retinopathy, neuropathy, nephropathy, and cardiovascular disease in the future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,388
Score d'incertitude au seuil0,780

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,128
Tête enseignante GPT0,459
Écart entre enseignants0,332 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Research in Medical SciencesMême sujetNeurological Disorders and TreatmentsTravaux en français237 207