MétaCan
Menu
Retour à la cohorte
Enregistrement W3158925263 · doi:10.1210/jendso/bvab048.559

Factors Associated With Low Bone Mineral Density in Adults With Type 1 Diabetes: A Cross-Sectional Study

2021· article· en· W3158925263 sur OpenAlexaff
Julie-Catherine Coll, Élodie Garceau, Laëtitia Michou, S. John Weisnagel, Fabrice Mac‐Way, Suzanne N. Morin, Rémi Rabasa‐Lhoret, Claudia Gagnon

Notice bibliographique

RevueJournal of the Endocrine Society · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes, Cardiovascular Risks, and Lipoproteins
Établissements canadiensMontreal Clinical Research InstituteMcGill University Health CentreUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésMedicineBone mineralType 1 diabetesCross-sectional studyContext (archaeology)Femoral neckOsteoporosisDiabetes mellitusLogistic regressionUnivariate analysisInternal medicineType 2 diabetesMultivariate analysisEndocrinologyPathology

Résumé

récupéré en direct d'OpenAlex

Abstract Context: Individuals with type 1 diabetes (T1D) have a two- to threefold increase in fracture risk at any site, and up to a sevenfold increase in hip fracture risk compared to those without diabetes. The mechanisms accounting for this bone fragility are not yet fully understood. Objectives: 1) To determine factors associated with low bone mineral density (BMD) in patients with T1D; 2) To assess the association between skin advanced glycation end products (AGEs) and low BMD in patients with T1D. Methods: These are preliminary data from patients with T1D included in a cross-sectional study aiming at comparing the prevalence of vertebral fractures between adult patients with T1D from two tertiary care centers and age- and sex-matched controls without diabetes. Patients were eligible if they were aged ≥20 years and had a diagnosis of T1D for at least 5 years. Patients were classified as having a low BMD if Z-score was ≤-2.0 at any site (lumbar spine, femoral neck, total hip, radius) in patients aged <50 years or if T-score was ≤-1.0 at any site in patients aged ≥50 years or in postmenopausal women. Skin AGEs (surrogate marker of overall including bone AGEs) were measured by skin autofluorescence (AGE Reader ®). Unpaired t-tests or Chi-squared tests were used to compare characteristics between patients with or without a low BMD. Variables associated with a low BMD were determined by univariate analysis and were subsequently included in a multivariate logistic regression analysis if p<0.1 in the univariate analysis. All variables were tested for multicollinearity. Results: 106 patients with T1D were included (mean age 45.2±15.0 years; mean BMI 26.3±5.1 kg/m2; 54.7% women; mean duration of diabetes 28.2±13.6 years; 44.3% with a microvascular complication). Mean HbA1C over the past 3 years was 7.5±0.8%. A third of the patients (31.1%) had a low BMD (3 patients using Z-score; 30 patients using T-score). Patients with a low BMD were older (58.3 vs 39.3 years, p<0.001), had a lower mean HbA1C over the past 3 years (7.3% vs 7.6%, p=0.047), a longer diabetes duration (36.1 vs 24.6 years, p<0.001), higher skin AGEs (2.50 vs 2.03, p<0.001), a higher prevalence of microvascular complications (63.6% vs 37.7%, p=0.02) and a higher prevalence of abnormal albumin to creatinine ratio (ACR ≥2.0) on the day of assessment (38.7% vs 11.8%, p=0.003). In multivariate regression analysis, age (p<0.001), abnormal ACR (p=0.003) and lower mean HbA1C over the past 3 years (p=0.02) remained significantly associated with a low BMD. Skin AGEs were correlated with age (r=0.56) and diabetes duration (r=0.47). Conclusion: In this population with T1D, a low BMD was independently associated with older age, abnormal ACR and, unexpectedly, with a lower mean HbA1C over the past 3 years, but not with skin AGEs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,460

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,259
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Endocrine SocietyMême sujetDiabetes, Cardiovascular Risks, and LipoproteinsTravaux en français237 207