Association between type 2 diabetes mellitus and multiple myeloma: Fact or fiction
Notice bibliographique
Résumé
Multiple myeloma is a plasma cell cancer causing bone and marrow damage, resulting in hypercalcemia, anemia, and renal insufficiency. Diabetes mellitus occurs in 6-24% of multiple myeloma cases, associated with immunosuppression, inflammation, and lymphocyte dysfunction, possibly contributing to multiple myeloma development. Insulin and insulin-like growth factor-1 also contribute to multiple myeloma pathogenesis. The incidence of both multiple myeloma and diabetes mellitus is expected to rise due to the aging population, lifestyle changes, genetic predisposition, and improved diagnostic methods. Although the link between diabetes mellitus and hematological malignancy risk is less conclusive, insulin resistance and growth factors may promote tumor cell proliferation. Genetic variants linked to type 2 diabetes mellitus (T2DM) influence multiple myeloma risks. The insulin like growth factor 1 (IGF1) gene triggers malignant plasma cell proliferation. Additionally, poorly managed T2DM-induced acidosis creates a favorable environment for cancer cell growth, including multiple myeloma. T2DM and metabolic syndrome (MetS) increase multiple myeloma risks through insulin resistance, hyperinsulinemia, inflammation, and dyslipidemia. Inflammatory cytokines [interleukin 6 (IL-6), tumor necrosis factor alpha (TNF-α), and interleukin-1β (IL-1β)] contribute to insulin resistance, chronic inflammation, and multiple myeloma cell survival too. The coexistence of diabetes and multiple myeloma presents challenges in managing complications like neuropathy, nephropathy, and retinopathy. In conclusion, the association between T2DM and multiple myeloma has been established, with a discernible influence from distinct genetic variations. Notably, IL-6, TNF-alpha, and IL-1β exert significant influence on the development of insulin resistance and the proliferation of cancer cells, and also their viability. Consequently, the involvement of inflammatory cytokines, dyslipidemia, and IGF1 in the progression of MM among patients with T2DM and MetS is noteworthy.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».