MétaCan
Menu
Retour à la cohorte
Enregistrement W4295078808 · doi:10.1007/s00125-022-05786-3

Infections in the first year of life and development of beta cell autoimmunity and clinical type 1 diabetes in high-risk individuals: the TRIGR cohort

2022· article· en· W4295078808 sur OpenAlexafffund
Olga Kordonouri, David Cuthbertson, Malin Bélteky, Bärbel Aschemeier‐Fuchs, Neil H. White, Elizabeth Cummings, Mikael Knip, Johnny Ludvigsson

Notice bibliographique

RevueDiabetologia · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueDiabetes and associated disorders
Établissements canadiensDalhousie University
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institute of Child Health and Human DevelopmentCanadian Institutes of Health ResearchNational Institutes of HealthNovo NordiskLinköpings UniversitetAcademy of FinlandEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentMead Johnson NutritionHelsingin YliopistoJuvenile Diabetes Research Foundation International
Mots-clésMedicineType 1 diabetesAutoantibodyDiabetes mellitusType 2 diabetesCohortInternal medicineImmunologyProportional hazards modelAutoimmunityCohort studyHuman leukocyte antigenAntibodyEndocrinologyAntigen

Résumé

récupéré en direct d'OpenAlex

AIMS/HYPOTHESIS: Accumulated data suggest that infections in early life contribute to the development of type 1 diabetes. Using data from the Trial to Reduce IDDM in the Genetically at Risk (TRIGR), we set out to assess whether children who later developed diabetes-related autoantibodies and/or clinical type 1 diabetes had different exposure to infections early in life compared with those who did not. METHODS: A cohort of 2159 children with an affected first-degree relative and HLA-conferred susceptibility to type 1 diabetes were recruited between 2002 and 2007 and followed until 2017. Infections were registered prospectively. The relationship between infections in the first year of life and the development of autoantibodies or clinical type 1 diabetes was analysed using univariable and multivariable Cox regression models. As this study was exploratory, no adjustment was made for multiple comparisons. RESULTS: Adjusting for HLA, sex, breastfeeding duration and birth order, those who had seven or more infections during their first year of life were more likely to develop at least one positive type 1 diabetes-related autoantibody (p=0.028, HR 9.166 [95% CI 1.277, 65.81]) compared with those who had no infections. Those who had their first viral infection aged between 6 and 12 months were less likely to develop at least one positive type 1 diabetes-related antibody (p=0.043, HR 0.828 [95% CI 0.690, 0.994]) or multiple antibodies (p=0.0351, HR 0.664 [95% CI 0.453, 0.972]). Those who had ever had an unspecified bacterial infection were more likely to develop at least one positive type 1 diabetes-related autoantibody (p=0.013, HR 1.412 [95% CI 1.075, 1.854]), to develop multiple antibodies (p=0.037, HR 1.652 [95% CI 1.030, 2.649]) and to develop clinical type 1 diabetes (p=0.011, HR 2.066 [95% CI 1.182, 3.613]). CONCLUSIONS/INTERPRETATION: We found weak support for the assumption that viral infections early in life may initiate the autoimmune process or later development of type 1 diabetes. In contrast, certain bacterial infections appeared to increase the risk of both multiple autoantibodies and clinical type 1 diabetes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,242
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), 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

Citations13
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDiabetologiaMême sujetDiabetes and associated disordersTravaux en français237 207