Glucose Fluctuations Are Linked to Disrupted Brain Functional Architecture and Cognitive Impairment
Notice bibliographique
Résumé
BACKGROUND: Type 2 diabetes mellitus (T2DM) accelerates cognitive decline, which is believed to be triggered by aberrant neural activity. OBJECTIVE: To explore how glucose fluctuations impact brain functional architecture and cognition in T2DM patients. METHODS: T2DM patients were divided according to glycemic variability, forming two categories: patients with fluctuating glucose levels and patients with stable glucose levels. Degree centrality (DC) was calculated within the cerebral gray matter of each participant and was compared among the two patient groups and a healthy control group. The relationships between glucose fluctuations and aberrant DC and cognitive performance, as well as the relationship between aberrant DC and cognitive performance, were further explored. RESULTS: Compared with T2DM patients with stable glucose levels, T2DM patients with fluctuating glucose levels exhibited significantly worse performance on the Montreal Cognitive Assessment, Trail Making Test-B (TMT-B), and verbal fluency test (VFT), as well as significant decreases in DC in certain regions, most of which were within the default mode network. In the combined T2DM group, the mean amplitude of glycemic excursions (MAGE) was positively correlated with TMT-B scores and negatively correlated with VFT scores. Moreover, the MAGE was negatively correlated with DC in the left medial prefrontal cortex (mPFC). In addition, TMT-B scores were negatively correlated with reduced DC in the left mPFC. CONCLUSION: These findings further contribute to the mounting evidence of the effects of glycemic variability on the diabetic brain. Tightened control of glucose fluctuations might prevent cognitive decline and changes in brain functional architecture in T2DM individuals.
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 | 0,000 | 0,011 |
| 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) | 0,000 | 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 ».