Metabolic bone markers can be related to preserved insulin secretion in children with newly diagnosed type 1 diabetes
Notice bibliographique
Résumé
INTRODUCTION: Type 1 diabetes (T1D) may be associated with numerous complications including bone metabolism disorders. The aim of the study was to evaluate the bone metabolism markers twice in children with a newly diagnosed T1D and after an average of seven months of its duration in relation to parameters of the clinical course of diabetes. MATERIAL AND METHODS: In 100 T1D patients and 52 control subjects, the following bone turnover markers were evaluated: osteocalcin - OC, osteoprotegerin - OPG, sRANKL, and deoxypyridoline in urine - DPD and DXA examination was also performed. RESULTS: Lower OC concentration at T1D onset in comparison to controls (p < 0.001) and its increase during follow-up (p < 0.001) was ob-served. The OPG concentration was elevated at T1D onset as compared to the control group (p = 0.024) and decreased thereafter (p < 0.001). The s-RANKL level increased during follow-up (p < 0.001) and was lower than in controls (p < 0.001). Urine DPD con-centration also increased during follow-up in the T1D patient group (p < 0.001) and was higher in comparison to the control group (p = 0.021). BMD-TBLH was higher in the control group as compared to patients both at T1D onset (p = 0.025) and in follow-up ob-servation (p = 0.034). Moreover, OPG correlated positively with glycated haemoglobin (HbA1c) (p = 0.004) and negatively with fasting C-peptide level (p = 0.046) and BMI Z-score (p = 0.003), whereas s-RANKL correlated positively with both fasting (p < 0.001) and stimulated C-peptide levels (p < 0.001). CONCLUSIONS: Bone metabolism disorders observed at T1D onset in children and modified after reaching the metabolic control of the disease seem to be most strongly associated with preserved insulin secretion.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».