Diabetes and carotid artery disease: a narrative review
Notice bibliographique
Résumé
Diabetes mellitus (DM) has been linked to an increased prevalence and severity of carotid artery disease, as well as polyvascular disease. Carotid disease is also associated with obesity and abnormal peri-organ and intra-organ fat (APIFat) deposition (i.e., excess fat accumulation in several organs such as the liver, heart and vessels). In turn, DM is associated with APIFat. The coexistence of these comorbidities confers a greater risk of vascular events. Clinicians should also consider that carotid bruits may predict cardiovascular risk. DM has been related to a greater risk of adverse outcomes after carotid endarterectomy or stenting. Whether modifying risk factors (e.g., glycaemia and dyslipidaemia) in DM patients can improve the outcomes of these procedures needs to be established. Furthermore, DM is a risk factor for contrast-induced acute kidney injury (CI-AKI). The latter should be recorded in DM patients undergoing carotid stenting since it can influence both short- and long-term outcomes. From a pathophysiological perspective, functional changes in the carotid artery may precede morphological ones. Furthermore, carotid plaque characteristics are increasingly being studied in terms of vascular risk stratification and monitoring short-term changes attributed to treatment. The present narrative review discusses the recent (2019) literature on the associations between DM and carotid artery disease. Physicians and vascular surgeons looking after patients with carotid disease and DM should consider these links that may influence outcomes. Further research in this field is also needed to optimise the treatment of such 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 ».