Neurophysiological Study of Alzheimer’s Disease and Diabetes Mellitus Type 2 Patients. Is there a Common Link?
Notice bibliographique
Résumé
Introduction: Recent studies have shown that insulin resistance and deficiency, a marker of Diabetes mellitus type 2 (DM), interact with beta amyloid and tau protein phosphorylation, which are the basic neuropathological hallmarks of Alzheimer’s Disease (AD). Based on these results, it was recently proposed that AD might be considered as ‘Diabetes type 3’. Aim of the current study is to assess the cognitive function of DM patients and Mild cognitive impairment (MCI) patients with neurophysiological and neuropsychological measures and seek possible correlations.
 Methods: The study participants were divided into two groups: group 1 and group 2. Group 1 consisted of 24 DM patients (7 men, 17 women; age 70.6±6.5 (mean ± SD) years; age range 55-86 years. Group 2 consisted of 16 MCI patients age 72.61±7.42 (mean ± SD)years; age range 58-89 years) age-matched (t-value=1.06, p=0.30) and gender matched (χ2=0.084, p=0.772) with group 1 patients. All patients were assessed with auditory event-related potentials (AERPs) and neuropsychological tests, which include MMSE, MOCA, IADL, and HAMILTON depression scale. Latencies and amplitudes of the major AERP waves (N200, P300 and Slow Wave) were determined,
 Results: No statistically significant difference was observed in the AERP characteristics and the performance of the patients in the neuropsychological tests between the two groups (p>0.05).
 Conclusions: From the results of the current study, it appears that the higher cognitive functions of DM patients as assessed with ERPs and neuropsychological tests are affected in a similar way with that of MCI patients; a finding which supports the existence of common pathophysiological mechanisms between the two diseases.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».