ROLE OF NEUROSPECIFIC PROTEINS IN THE DEVELOPMENT OF COGNITIVE DYSFUNCTION IN PATIENTS WITH TYPE 1 DIABETES
Notice bibliographique
Résumé
Type 1 (type 1 DM) diabetes mellitus is one of the common chronic metabolic diseases, which currently is a significant problem due to disability at a young age and reduce life expectancy. Despite the fact that type 1 diabetes accounts for only 10% of all patients with diabetes, it occurs particularly hard, with a tendency to progression. One of the targets of type 1 diabetes is the central nervous system with the further formation of cognitive dysfunction in young age leads to diminished quality of life. Cognitive deficits may be the result not only of structural lesions of the brain, but it may be due to the development of metabolic disorders. In the case of timely diagnosis and treatment of cognitive impairment associated with metabolic changes that can partially or completely regress. The aim of this study was to identify biomarkers of the brain damage in young patients with type 1 diabetes. The study involved 58 patients with type 1 diabetes, the control group comprised 29 healthy controls. The complex included a neuropsychological examination which was used for testing the Montreal scale (MoCA test) rapid screening of cognitive impairment, assessment of quality of life using a common questionnaire Medical Outcomes Study Short Form (MOS SF-36) and the specific audit – dependent quality of life (ADDQoL). To evaluateearly markersin the developmentof cognitive dysfunctionwere identifiedneurospecific proteins – S100 protein and glial fibrillary acidic protein (GFAP), myelin basic protein (MBP). Found an increased level of neurospecific protein that was correlated with parameters of carbohydrate metabolism, poor quality of life and severe cognitive deficiency (MoCA test lower than 26 points).
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 ».