Ovarian markers and irregular menses among women with type 1 diabetes in the Epidemiology of Diabetes Interventions and Complications study
Notice bibliographique
Résumé
OBJECTIVE: Women with type 1 diabetes have increased risk of infertility compared to women without diabetes even after adjustment for irregular menses, but aetiologies are incompletely understood. Our aim was to examine the prevalence of abnormalities in ovarian markers consistent with polycystic ovary syndrome in women with type 1 diabetes and associations with irregular menses and diabetes-specific variables. DESIGN, PATIENTS AND MEASUREMENTS: We conducted a secondary analysis of women in the Diabetes Control and Complications Trial/Epidemiology of Diabetes Interventions and Complications Study (DCCT/EDIC), a randomized trial and observational follow-up of intensive insulin therapy for type 1 diabetes. We included women with anti-Müllerian hormone (AMH) measurements among women not using oral contraceptives (n = 187). Initial AMH and testosterone measures were performed between EDIC years 1 and 4. History of irregular menses was assessed annually. RESULTS: The median age of women was 35 (interquartile ratio 29, 40) years; 133 (35%) had elevated AMH and 62 (17%) reported irregular menses. Twelve per cent of women had relative elevations in total testosterone. In multivariable models, lower insulin dosages were associated with higher AMH concentrations (P = .0027), but not diabetes duration, glycemic control, body mass index or irregular menses. Neither irregular menses nor diabetes-specific variables were associated with testosterone concentrations. CONCLUSIONS: Among women with type 1 diabetes in their thirties, abnormalities in ovarian markers are common and not associated with irregular menses and thus may partially account for decreased fecundity in women with type 1 diabetes.
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 | 0,001 | 0,002 |
| 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 | 0,002 |
| 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 ».