Identification of a distinct phenotype of elderly latent autoimmune diabetes in adults: LADA China Study 8
Notice bibliographique
Résumé
BACKGROUND: Latent autoimmune diabetes in adults (LADA) exhibits significant clinical heterogeneity, but the underlying causes remain unclear. The aim of this study was to investigate whether age of onset of LADA contributes to the observed clinical heterogeneity by comparing the clinical, metabolic, and immunogenetic characteristics between elderly and young LADA patients. METHODS: The cross-sectional study included a total of 579 patients with LADA which was further divided into elderly LADA (E-LADA) group (n = 135, age of onset ≥60 years) and young LADA (Y-LADA) group (n = 444, age of onset <60 years). Age-matched subjects with type 2 diabetes were served as control (E-T2D group, n = 622). Clinical characteristics, serum autoantibodies, and HLA-DQ haplotypes were compared among these groups. RESULTS: Compared with patients with Y-LADA, patients with E-LADA have better residual beta-cell function and higher level of insulin resistance (both P < .01), more metabolic syndrome characteristics, similar proportion of islet autoantibody positivity, and strikingly different HLA-DQ genetic background. In comparison with E-T2D patients, E-LADA patients tend to have similar metabolic syndrome prevalence, comparable C-peptide levels, and insulin resistance levels and share similar HLA-DQ genetic characteristics. CONCLUSIONS: Elderly LADA differs phenotypically and genetically from Y-LADA but has a clinical and genetic profile more similar to that of E-T2D. These distinct phenotypes could potentially help physicians better manage patients with E-LADA.
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 | 0,002 | 0,001 |
| 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 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 ».