Post-Load Insulin Secretion Patterns are Associated with Glycemic Status and Diabetic Complications in Patients with Type 2 Diabetes Mellitus
Notice bibliographique
Résumé
BACKGROUND: To examine whether the different patterns of post-load insulin secretion can identify the heterogeneity of type 2 diabetes mellitus (T2DM). METHODS: Six hundred twenty-five inpatients with T2DM at Jining No. 1 People's Hospital were recruited from January 2019 to October 2021. The 140 g steamed bread meal test (SBMT) was conducted on patients with T2DM, and glucose, insulin, and C-peptide levels were recorded at 0, 60, 120, and 180 min. To avoid the effect of exogenous insulin, patients were categorized into three different classes by latent class trajectory analysis based on the post-load secretion patterns of C-peptide. The difference in short- and long-term glycemic status and prevalence of complications distributed among the three classes were compared by multiple linear regression and multiple logistic regression, respectively. RESULTS: There were significant differences in long-term glycemic status (e. g., HbA1c) and short-term glycemic status (e. g., mean blood glucose, time in range) among the three classes. The difference in short-term glycemic status was similar in terms of the whole day, daytime, and nighttime. The prevalence of severe diabetic retinopathy and atherosclerosis showed a decreasing trend among the three classes. CONCLUSIONS: The post-load insulin secretion patterns could well identify the heterogeneity of patients with T2DM in short- and long-term glycemic status and prevalence of complications, providing recommendations for the timely adjustment in treatment regimes of patients with T2DM and promotion of personalized treatment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».