Overweight and obese youth with type 1 or type 2 diabetes share similar elevation in triglycerides during middle and late adolescence
Notice bibliographique
Résumé
BACKGROUND: Overweight and obesity have been observed in children with type 1 diabetes (T1D). This further increases their future risk of Cardiovascular Disease (CVD) as well as the development of other risk factors, such as dyslipidemia. AIMS: To compare lipid profiles in children and adolescents with Type 1 diabetes and lean mass (T1L), Type 1 diabetes and overweight or obese (T1OW/OB), and type 2 diabetes (T2D). METHODS: This was a cross-sectional study of 669 patients with T1D or T2D aged 2-19 years using retrospective data collected from 2003 to 2014. Included patients were categorized into lean (BMI < 85th ile and overweight or Obese (BMI ≥ 85th ile). Patients were subcategorized into three age groups: < 10 years, 10-14 years, and 15-19 years. RESULTS: 7.6% of patients had T2D. Of the patients with T1D, 58.9% were lean, 26.4% were overweight, and 14.7% were obese. Total Cholesterol (TC), Low-density lipoprotein cholesterol (LDL-C) and Non-HDL-C levels were similar across groups. In the 15-19 years group, Triglycerides (TG) levels were significantly higher in T1OW/OB and similar to T2D. High-density lipoprotein Cholesterol (HDL-C) was significantly lower in T2D. Weight status significantly correlated with TG and HDL-C levels in T1D and T2D groups. CONCLUSIONS: T1OW/OB constitutes a significant proportion of the T1D population. Patients with obesity and T1D, especially if in their late adolescence, have an adverse lipid profile pattern that is comparable to adolescents with T2D. Based on these findings, risk for future CVD in T1OW/OB and T2D may be equivalent.
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 | 0,007 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».