569-P: Prefrontal Cortex Brain Damage and Glycemic Control in Patients with Type 2 Diabetes
Notice bibliographique
Résumé
Cognitive impairments are common in patients with type 2 diabetes (T2DM) and adversely impact self-care and glycemic control. However, brain injury in a site that controls cognition (prefrontal cortices; PFC) and its relationship to glycemic outcomes in T2DM remains unclear. Methods: We examined 9 T2DM patients (age 58.2 ± 4.6 years; BMI 30.3 ± 5.0 kg/m2;3 males) and 47 healthy controls (age 55.7 ± 4.2 years; BMI 26.4 ± 3.0 kg/m2; 29 males) for cognition (Montreal Cognitive Assessment [MoCA]), glycemic control (hemoglobin A1c [A1C]), and PFC status via brain magnetic resonance imaging (MRI). Two high-resolution T1-weighted images were collected using a 3.0-Tesla MRI scanner to evaluate PFC status with voxel-based morphometry (VBM) procedures. Results: No significant differences in age and gender emerged between T2DM and control subjects. However, BMI values were significantly higher in T2DM subjects over controls. MoCA scores were significantly lower in T2DM patients compared to controls (24.3 ± 2.4 vs. 26.9 ± 2.3; p = 0.004). Mean A1C was 7.6±0.8% (51-68 mmol/mol) in T2DM patients. Reduced PFC volume was observed in T2DM patients compared to controls (left 0.35±0.02 vs. 0.41±0.03, p<0.001; right 0.31±0.02 vs. 0.38±0.02, p<0.001). PFC volume was positively correlated with cognition; left PFC regions (r= 0.94, p=0.002) and right PFC regions (r= 0.89, p=0.007) with age and gender as covariates. Significant negative correlations were found between PFC volume and A1C; left PFC (r= -0.92, p=0.003) and right PFC regions (r=-0.92, p=0.004) with age and gender as covariates. Conclusions: T2DM patients have PFC brain damage which is associated with cognitive deficits and poor glycemic control. Further research is needed to identify causal relationships between A1C and brain changes in T2DM and to examine interventions to enhance brain/neurogenesis and its impact on A1C. Disclosure S.E. Choi: None. B. Roy: None. R. Kumar: None. M. Freeby: None. R.S. Mullur: None. M.A. Woo: None. Funding National Institutes of Health (R01NR017190)
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 | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».