Cross‐sectional association of metrics derived from continuous glucose monitoring with cognitive performance in older adults with type 2 diabetes
Notice bibliographique
Résumé
AIM: To examine the association between continuous glucose monitoring (CGM)-derived metrics and cognitive performance in older adults with type 2 diabetes (T2D). MATERIALS AND METHODS: A total of 100 outpatients with T2D aged 70 years or older were analysed. Participants underwent CGM for 14 days. As CGM-derived metrics, mean sensor glucose (SG), glucose coefficient of variation (CV), time in range (TIR; 70-180 mg/dl), time above range (TAR; > 180 mg/dl) and time below range (TBR; < 70 mg/dl), were calculated. Participants underwent cognitive tests, including the Japanese version of the Montreal Cognitive Assessment (MoCA-J), a delayed word-recall test from the Alzheimer's Disease Assessment Scale-cognitive subscale, a digit symbol substitution test, a letter word fluency test, a trail-making test (TMT) and digit span test (DSP). RESULTS: In multiple regression analyses adjusted for confounders, a higher mean SG was associated with a lower performance in MoCA-J and TMT part B (TMT-B) (P < .05). A higher TAR was associated with a lower performance in TMT-B and DSP-backward (P < .05). By contrast, a higher TIR was associated with better function in TMT-B and DSP-backward (P < .05). Furthermore, CV and TBR were not associated with any cognitive function. CONCLUSION: Hyperglycaemia metrics and TIR derived from CGM are associated with cognitive functions, especially with executive function and working memory, in older adults with T2D.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».