Association Between Lipid Accumulation Product and Mild Cognitive Impairment in Patients with Type 2 Diabetes
Notice bibliographique
Résumé
BACKGROUND: Diabetes may increase the risk of conversion of mild cognitive impairment (MCI) to dementia. Lipid accumulation product (LAP), an index of visceral obesity, has been shown to be a powerful predictor of insulin resistance and type 2 diabetes (T2D). However, little attention has been paid to the relationship between LAP and MCI in T2D. OBJECTIVE: We aimed to investigate the association between the LAP index and MCI in patients with T2D. METHODS: In total, 220 hospitalized patients with T2D, including 113 MCI patients and 107 patients with normal cognition, were enrolled in this cross-sectional study. We collected demographic, anthropometric, and biochemical data on each subject. The LAP index was calculated according to the following formulas: [waist circumference (WC) (cm) - 65]×triglyceride (TG) (mmol/L) for males and [WC (cm) - 58] ×TG (mmol/L) for females. RESULTS: Compared with patients with normal cognition, MCI patients were older and had a higher LAP index, WC, body mass index, and glycosylated hemoglobin A1c level, as well as a lower Montreal Cognitive Assessment score and education level (p < 0.05). After adjusting for confounding factors, LAP index was associated with MCI (OR = 1.047, 95% CI = 1.031-1.063, p < 0.01). The area under the ROC curve (AUC) for the LAP index was higher than that for WC and BMI. CONCLUSION: A high LAP index is associated with an increased risk of MCI in T2D patients. The LAP index appears to be a good indicator of risk of MCI in patients with T2D.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».