Exploring the risk of glycemic variability in non-diabetic depressive individuals: a cross-sectional GlyDep pilot study
Notice bibliographique
Résumé
Background Data on the correlation between glycemic variability and depression in nondiabetic patients remain limited. Considering the link between increased glycemic variability and cardiovascular risks, this relationship could be significant in depressed patients. Methods In this single-center pilot study, we utilized Flash Glucose Monitoring (Abbott Libre Pro) to study glycemic variability. The CES-D (Center for Epidemiological Studies– Depression) scale was employed to measure depression levels. Based on CES-D scores, patients were classified into two groups: those with scores ≥ 33 and those with scores < 33. We analyzed various glycemic variability indices, including HBGI, CONGA, ADDR, MAGE, MAG, LI, and J-Index, employing the EasyGV version 9.0 software. SPSS (version 28) facilitated the data analysis. Results We screened patients with depression visiting the department of psychiatry, FGM was inserted in eligible patients of both the groups which yielded a data of 196 patient-days (98 patient-days for CES-D ≥ 33 and 98 patient-days for CES-D < 33). The glycemic variability indices CONGA (mg/dl), (76.48 ± 11.9 vs. 65.08 ± 7.12) (p = 0.048), MAGE (mg/dl) (262.50 ± 25.65 vs. 227.54 ± 17.72) (p = 0.012), MODD (mg/dl) (18.59 ± 2.77 vs. 13.14 ± 2.39) (p = 0.002), MAG(mg/dl) (92.07 ± 6.24vs. 63.86 ± 9.38) (p = <0.001) were found to be significantly higher in the CES-D ≥ 33 group. Conclusion Patients with more severe depressive symptoms, as suggested by CES-D ≥ 33, had higher glycemic variability.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».