Robust Trabecular Microstructure in Type 2 Diabetes Revealed by Individual Trabecula Segmentation Analysis of HR-pQCT Images
Notice bibliographique
Résumé
Type 2 diabetes (T2D) patients have an increased fracture risk, which may be partly explained by compromised bone microarchitecture within the cortical bone compartment. Data on trabecular bone parameters in T2D are contradictory. By high-resolution peripheral quantitative computed tomography (HR-pQCT), trabecular microarchitecture is preserved, yet larger trabecular holes are detected in T2D by MRI and DXA-based trabecular bone scores are abnormal. To determine if there are differences in trabecular microstructure, connectivity, and alignment in postmenopausal women with T2D as compared with controls, we performed an individual trabecula segmentation (ITS) analysis on HR-pQCT scans of the distal radius and tibia in 92 women with (n = 42) and without (n = 50) T2D. Unadjusted analyses showed that T2D subjects had greater total trabecular bone volume, trabecular plate volume fraction, plate number density, plate junction density, and axial alignment at the radius and tibia, and increased plate tissue fraction, but decreased rod tissue fraction and rod length at the radius (p < 0.05 for all). After adjustments for clinical covariates, plate number density and plate junction density remained higher at the radius and tibia, whereas total trabecular bone volume was increased and trabecular rod length was decreased at the radius. These differences remained significant after adjustment for hip BMD and trabecular volumetric bone density. Notably, the increased plate-like ITS qualities were seen in those with T2D duration of <10 years, whereas ITS parameters in subjects with T2D duration ≥10 years did not differ from those of control subjects. In conclusion, postmenopausal women with early T2D had a greater plate-like and less rod-like trabecular network. This early advantage in trabecular plate quality does not explain the well-established increased fracture risk in these patients and does not persist in the later stage of T2D. © 2018 American Society for Bone and Mineral Research.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».