EFFECT OF LOW-DENSITY LIPOPROTEIN (LDL) CHOLESTEROL VALUE ON NON-PROLIFERATIVE DIABETIC RETINOPATHY (NPDR) IN PATIENTS WITH TYPE II DIABETES MELLITUS (T2DM): A SYSTEMATIC REVIEW
Notice bibliographique
Résumé
Introduction & Objectives : Type 2 Diabetes Mellitus (T2DM) is a metabolic disease in which the body is unable to control blood sugar levels and is characterized by hyperglycemia caused by lack of insulin action. One of the most common microvascular complications of DM that can cause blindness to sufferers is Diabetic Retinopathy (DR). One of the risk factors that can exacerbate the progression of T2DM is the level of Low-Density Lipoprotein (LDL). However, there are still differences of opinion in several studies if LDL has a significant role in the occurrence of DR. This study aimed to determine whether there is a relationship between the value of LDL cholesterol and the occurrence of Non-Proliferative Diabetic Retinopathy.
 Methods : Systematic review utilizing MeSH terminology and PICO methods were done for information extraction of online database, including PubMed, and Google Scholar by utilizing the following keyword “Low-Density Lipoprotein”, “Non-Proliferative Diabetic Retinopathy”, “Diabetes Melitus”. The extracted studies were then analyzed using the New-Castle Ottawa Scale (NOS).
 Results : In total, 2 eligible studies (103 subjects) were found. Dornan et al., stated that total cholesterol levels were higher in NPDR Patients (5.1 +/- 0.7 mmol/l, p ? 0,02) and Mursi et al., shows that in patients with uncontrolled LDL cholesterol, NPDR was found (53,7%, p < 0,015). NOS was used to evaluate the quality of the studies and all studies showed to be in good quality.
 Conclusion : According to the results of this systematic review, there is a significant correlation between the degree of diabetic retinopathy and LDL cholesterol.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».