Differential Association of Inflammatory Markers and Growth Factors with Type 2 Diabetes and Polyneuropathy—A Multimarker Approach
Notice bibliographique
Résumé
There is emerging evidence supporting a role of inflammation in the development and progression of diabetic sensorimotor polyneuropathy (DSPN) in patients with type 2 diabetes. We aimed to characterize inflammatory signatures associated with DSPN and/or type 2 diabetes using a multimarker approach. We measured 92 serum biomarkers including pro- and anti-inflammatory cytokines, chemokines, and growth factors (GF) using the Proseek Multiplex INF I assay (OLINK Proteomics) in 304 individuals with type 2 diabetes and polyneuropathy, defined by the Toronto Consensus Criteria (2011), from the PROPANE study (DSPN) as well as 158 individuals with type 2 diabetes without DSPN (T2D) and 354 individuals with normal glucose tolerance and without DSPN (CON) from the KORA F4 study (DSPN/T2D/CON [mean±SD]: age: 68±9/71±6/69±5 years; male: 76/59/41%; BMI: 30.8±5.3/30.8±4.4/26.9±3.7 kg/m²; diabetes duration: 13.5±9.6/7.6±5.8/- years; HbA1c: 7.4±1.3/6.6+1.0/5.5+0.3%). After adjustment for multiple testing and sex, age, BMI, and smoking, a biphasic pattern of serum levels (normalized protein expression values) with an increase in T2D and decrease in DSPN was observed for four GFs (e.g., transforming GF (TGF)-α: 4.51±0.51 vs. 4.63±0.56 vs. 3.91±0.51; vascular endothelial GF (VEGF): 10.9±0.5 vs. 11.0±0.5 vs. 10.8±0.6), two chemokines (e.g., C-C motif ligand 4 (CCL4): 8.18±0.57 vs. 8.4±0.6 vs. 7.93±0.68) and one cytokine (oncostatin M: 4.83±0.62 vs. 5.06±0.63 vs. 4.35±0.75). Compared to T2D, the levels of another 12 biomarkers were lower in DSPN (e.g., tumor necrosis factor (TNFSF)-14: 5.65±0.55 vs. 4.90±0.77; matrix metalloproteinase (MMP)-1: 14.4±0.7 vs. 14.1±0.9), while five were higher (e.g., CCL20: 5.2±1.1 vs. 5.79±1.23) (all P<0.00024). In conclusion, deficits in growth factors promoting nerve regeneration/angiogenesis and a complex cross-talk between innate and adaptive immunity may contribute to the development of DSPN in type 2 diabetes. Disclosure G.J. Bönhof: None. A. Strom: None. W. Rathmann: Advisory Panel; Self; AstraZeneca. Research Support; Self; Novo Nordisk A/S. M. Heier: None. C. Meisinger: None. A. Peters: None. M. Roden: Speaker's Bureau; Self; Boehringer Ingelheim GmbH. Research Support; Self; Boehringer Ingelheim GmbH. Consultant; Self; Poxel SA. Research Support; Self; Danone Nutricia Early Life Nutrition, GlaxoSmithKline plc., Nutricia Advanced Medical Nutrition, Sanofi. B. Thorand: None. C. Herder: Other Relationship; Self; Sanofi, Eli Lilly and Company. D. Ziegler: None.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».