Metabolic Disorders in First-Degree Relatives of Patients With Type 2 Diabetes in a Southern Coastal Region in Iran
Notice bibliographique
Résumé
Background: Diabetes mellitus is a global health challenge. Metabolic disorders in first-degree relatives (FDRs) of patients with type 2 diabetes mellitus (T2DM) have been linked to a family history of diabetes. Objectives: This study aimed to investigate the frequency of metabolic syndrome (MetS), diabetes, and prediabetes in FDRs of patients with T2DM. Methods: This descriptive study included FDRs of patients with T2DM referred to the diabetes clinic of Shahid Mohammadi Hospital, Bandar Abbas, Iran in 2017. Waist circumference (WC) and blood pressure were measured for each participant. Fasting plasma glucose was measured in venous blood samples after 8-hour fasting. Two-hour plasma glucose was measured after a 75-g oral glucose tolerance test. Triglyceride and high-density lipoprotein were measured in venous blood samples after 12-hour fasting. The Adult Treatment Panel III (ATP III) and the International Diabetes Federation (IDF) criteria were used to diagnose MetS. Iranian-specific WC cutoffs from different studies were also used as alternatives for WC cutoffs in IDF criteria to form Iranian-specific MetS criteria. Results: This study included 300 FDRs (male: 33.7% vs. female: 66.3%) of patients with T2DM, with a mean age of 33.56±10.64 years. Among the participants, 19.7% had prediabetes and 8% had diabetes. MetS was diagnosed in 8.3% and 15% of the FDRs based on the ATP III and IDF criteria, respectively. The frequency of MetS ranged from 6.7% to 11.7% based on six different Iranian-specific WC cutoffs. Conclusion: The frequency of MetS, diabetes, and prediabetes was quite high in the FDRs of patients with T2DM. Screening for these metabolic disorders can help prevent future cardiovascular events in this specific group.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».