Distinct two different ages associated with clinical profiles of acute onset type 1 diabetes in Chinese patients
Notice bibliographique
Résumé
Abstract Background There are abundant variations in the phenotypes and genetics of type 1 diabetes (T1D) patients across different races. This study aimed to assess differences between juvenile acute onset (JAO) and adult acute onset in Chinese T1D patients. Methods Seven hundred and fifty‐one acute onset T1D patients were divided into two groups by the patient onset age as follows: the juvenile acute onset group (≤20 years, JAO group) and the adult acute onset group (>20 years, AAO group). Clinical characteristics, islet autoantibodies, and HLA class II haplotypes and genotypes were compared between these two groups. Results In comparison with AAO patients, JAO patients had significantly lower relative weights and lower triglyceride levels ( P < .001, P < .01, respectively) but higher frequency of ketoacidosis ( P < .001), higher daily insulin dosage ( P c < .001), higher HbA1 c ( P c < .05), and higher HDL‐cholesterol levels ( P c < .01). The JAO group showed a higher prevalence of IA‐2A, ZnT8A, and multiple autoantibodies than that in the AAO group ( P < .001, P < .01, P < .001, respectively). Haplotypes for DRB1*0301‐DQA1*03‐DQB1*0201, DR3, DR4, DR9, and DR3/DR9 genotypes are highly associated with JAO susceptibility, whereas only DR3 and DR9 genotypes confer risk for AAO. In the JAO group but not the AAO group, DR3 is related to ZnT8A, and DR3/DR9 is related to IA‐2A and multiple autoantibodies. Conclusions These observations suggest that JAO patients markedly differ from AAO patients in their clinical manifestations and genetics in the Chinese T1D population. Notably, the DR3/DR9 genotype can facilitate the appearance of IA‐2A or multiple autoantibodies in JAO patients.
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 ».