Remembrance of things past: The consequences of recurrent hypoglycaemia in diabetes
Notice bibliographique
Résumé
Abstract Aims People with type 1 and type 2 diabetes still frequently experience hypoglycaemia, which can be severe, leading to loss of consciousness. This review will examine the cellular consequences of recurrent hypoglycaemia. Methods This review, based on the Dorothy Hodgkin Lecture given at the Diabetes UK 2022 annual symposium by the author, will discuss our current understanding of the mechanisms by which hypoglycaemia is detected and the consequences of recurrent exposure to hypoglycaemia. Results Glucose‐responsive cells found in the periphery as well as multiple areas of the brain are organised in a classical sensori‐motor integrative network encompassing peripheral, hindbrain and hypothalamic components. The mechanism used by glucose‐responsive neurons to detect hypoglycaemia parallel those of the classical glucose sensor the pancreatic ß ‐cell, namely in their use of glucokinase, K ATP channels and AMP‐activated protein kinase. Recurrent exposure to hypoglycaemia results in a series of cellular adaptations that may be designed to increase the resilience of cells to future hypoglycaemia. This review also highlights how hypoglycaemia, as an oxidative stressor, may also exacerbate chronic hyperglycaemia‐induced increases in oxidative stress and inflammation, leading to damage to vulnerable brain regions. Conclusions Impaired awareness of hypoglycaemia follows the adaptation of central glucose‐responsive neurons to repeated hypoglycaemia and may represent a form of memory called habituation. In diabetes, recurrent hypoglycaemia may have tissue consequences as a result of a profound disruption in the cellular response to a hypoglycaemic challenge that increases vulnerability to oxidative damage.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».