305-OR: Glycemic Variability and Progression of CKD: PERL Substudy
Notice bibliographique
Résumé
To test the hypothesis that glucose variability may impact the progression of kidney disease in type 1 diabetes (T1D), we studied a subgroup of the Preventing Early Renal Loss (PERL) study population with T1D and mild to moderate diabetic kidney disease, using blinded continuous glucose monitoring (CGM) for up to 14 days for each wear period. We studied 175 participants wearing 366 blinded FreeStyle Libre CGMs on one to five occasions between weeks 96 and 164 of the follow-up in the parent study. The mean age of the population was 52.2 ± 10.9 (mean ± SD) years, mean duration of T1D was 36.1 ± 12.2 years. Baseline BMI, A1C, and iothalamate GFR (iGFR) were 29.9 ± 6.3 kg/m2, 8.2 ± 1.2%, and 67.5 ± 17.2 ml/min/1.73m2 respectively. During the study, mean glucose (MG) and coefficient of variation glucose (CV) were 174.5 ± 41.4 mg/dL and 44.5± 8.8% respectively. Mean amplitude of glycemic excursions (MAGE) was 146.0 ± 43.9 mg/dL while time-in-range (TIR) was 50.5 ± 16.1%. A 10% increase in the mean CV was associated with a 1.4 ml/min/1.73m2 decrease in iGFR at the end of the study [95%CI (-3.33, 0.44); p=0.13] while a 10 mg/dL increase in MAGE was associated with a 0.01 ml/min/1.73m2 decrease [95%CI (-0.41, 0.38); p=0.95]. For those with CV >36, iGFR was 2.56 ml/min/1.73m2 lower compared with those with CV <36 [95%CI (-7.44, 2.31); p=0.30]. Low blood glucose index, high blood glucose index, MG, and TIR were not significantly associated with iGFR. Given the non-significant associations between CGM metrics and iGFR, we conclude in this study of a population with T1D and mild to moderate kidney disease that there is no evidence that glycemic variability or glucose control impacts the rate of loss of iGFR. Limitations of the study include the observational study design, the relatively small sample size, the variability of how frequently CGM data were collected, and the short duration of observation. A larger prospective study using real-time CGM to improve glycemic parameters and reduce glycemic variability is required to answer this question definitively. Disclosure J.B. McGill: Advisory Panel; Self; Aegerion Pharmaceuticals, Bayer AG, Lilly Diabetes, Novo Nordisk A/S. Consultant; Self; Boehringer Ingelheim Pharmaceuticals, Inc., Dexcom, Inc. Research Support; Self; Medtronic, Novo Nordisk Inc., Sanofi. Speaker’s Bureau; Self; Aegerion Pharmaceuticals, Dexcom, Inc., Janssen Pharmaceuticals, Inc. I.B. Hirsch: Consultant; Self; Abbott, Bigfoot Biomedical, Roche Diabetes Care. Research Support; Self; Medtronic, Omnipod. P. Calhoun: Stock/Shareholder; Self; Dexcom, Inc. A. Galecki: None. K. Ruedy: None. C. Wu: None. A. Doria: Research Support; Self; Sanofi. Funding The Leona M. and Harry B. Helmsley Charitable Trust (2018PG-TD1014); National Institute of Diabetes and Digestive and Kidney Diseases (R03DK094484, R34DK097808, UC4DK101108); JDRF (17-2012-377)
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».