Pharmacogenomics in diabetes: outcomes of thiamine therapy in TRMA syndrome
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIMS/HYPOTHESIS: ) in a cohort of individuals with TRMA-related diabetes. METHODS: We studied 32 individuals with biallelic SLC19A2 mutations identified by Sanger or next generation sequencing. Clinical details were collected through a follow-up questionnaire. RESULTS: We identified 24 different mutations, of which nine are novel. The onset of the first TRMA symptom ranged from birth to 4 years (median 6 months [interquartile range, IQR 3-24]) and median age at diabetes onset was 10 months (IQR 5-27). At presentation, three individuals had isolated diabetes and 12 had asymptomatic hyperglycaemia. Follow-up data was available for 15 individuals treated with thiamine for a median 4.7 years (IQR 3-10). Four patients were able to stop insulin and seven achieved better glycaemic control on lower insulin doses. These 11 patients were significantly younger at diabetes diagnosis (p = 0.042), at genetic testing (p = 0.01) and when starting thiamine (p = 0.007) compared with the rest of the cohort. All patients treated with thiamine became transfusion-independent and adolescents achieved normal puberty. There were no additional benefits of thiamine doses >150 mg/day and no reported side effects up to 300 mg/day. CONCLUSIONS/INTERPRETATION: In TRMA syndrome, diabetes can be asymptomatic and present before the appearance of other features. Prompt recognition is essential as early treatment with thiamine can result in improved glycaemic control, with some individuals becoming insulin-independent. DATA AVAILABILITY: SLC19A2 mutation details have been deposited in the Decipher database ( https://decipher.sanger.ac.uk/ ).
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.
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) | 0,001 | 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) | 0,000 | 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 découle