Study of biochemical parameters with insulin resistance type 2 diabetes mellitus subjects
Notice bibliographique
Résumé
Introduction: Diabetes results from hyperglycemia and improper glucose, lipid, and protein metabolism. The elderly population will quadruple in 10 years. LMICs have the highest type 2 DM patients. Insulin resistance and beta cell abnormalities cause T2DM. This study compared HbA1c, FPG, and lipids to controls. Materials and methods: The study was carried out in the Department of Biochemistry L.LRM Medical College, Meerut. The study was done on 250 individuals, who included 100 uncontrolled type-2 diabetic (Group III), 100 controlled type-2 diabetic (Group II) and 50 healthy individuals (Group I). Blood biochemistry and immunology for various parameters such as Fasting Blood Sugar (FBS), Glycosylated haemoglobin (HbA1c), Total Cholesterol (TC), Triglyceride (TG), High density-lipoprotein cholesterol (HDL-c), Low density lipoprotein cholesterol (LDL-c), Very low density lipoprotein cholesterol (VLDL-c), Urea, Creatinine were carried out for all three groups. SPSS16.0 was used to analyse the results. Results: In our study we found highly significant increase (P< 0.001) of fasting blood sugar and glycosylated hemoglobin levels in group II and group III as compared to group I. In the present study, the patterns of lipid profile parameters in type-2 diabetic subjects were also studied.
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 | 0,002 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».