MétaCan
Menu
Retour à la cohorte
Enregistrement W4404887710 · doi:10.1016/j.brainres.2024.149368

Structural alteration of hippocampal subfields in type 2 diabetes mellitus patients with dyslipidemia

2024· article· en· W4404887710 sur OpenAlexaboutno aff
Chen Yang, Huiyan Zhang, Jing Tian, Zhoule Li, Ruifang Liu, Gang Huang, Lianping Zhao

Notice bibliographique

RevueBrain Research · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésDyslipidemiaHippocampal formationDiabetes mellitusMedicineType 2 Diabetes MellitusNeuroscienceInternal medicineType 2 diabetesEndocrinologyBiology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To explore alterations in hippocampal subfield volumes in type 2 diabetes mellitus (T2DM) patients with dyslipidemia using hippocampal subfield segmentation. METHODS: A total of 99 T2DM patients were prospectively recruited and divided into two groups based on the presence or absence of dyslipidemia: the T2DM dyslipidemia group and the T2DM normal lipidemia group. Additionally, 57 healthy volunteers were recruited as the healthy control (HC) group. General clinical data and cognitive psychological scale scores were collected. Subgroup analyses of T2DM patients were conducted based on the presence or absence of mild cognitive impairment (MCI). Hippocampal subfield volumes were analyzed using a general linear model with post-hoc Bonferroni correction. Significant differential hippocampal subfields were further analyzed in subgroups using the general linear model with post-hoc Bonferroni tests. Partial correlation analyses were performed to assess correlations between subfield-specific volumes and lipid and glucose metabolism indicators, as well as cognitive psychological scale scores. P-values from partial correlation analyses were corrected using the false discovery rate (FDR). RESULTS: Volumes of the bilateral hippocampal tail, left presubiculum_body, and right subiculum_body were significantly reduced in the T2DM dyslipidemia group compared to both the HC group and the T2DM normal lipidemia group. Post-hoc analyses revealed that the T2DM dyslipidemia group had the smallest hippocampal subfield volumes. Further subgroup analysis showed that T2DM dyslipidemia patients with MCI exhibited the most pronounced volume reductions in the bilateral hippocampal tail and right subiculum_body. After FDR correction, partial correlation analysis indicated that, in the T2DM dyslipidemia group, the left hippocampal tail volume was positively correlated with the Montreal Cognitive Assessment score. In the T2DM dyslipidemia without MCI group, the volume of the right subiculum_body was negatively correlated with fasting insulin levels and the insulin resistance index, but positively correlated with total cholesterol and low-density lipoprotein cholesterol levels. In T2DM patients with normal lipidemia without MCI, the volume of the right subiculum_body was positively correlated with TC levels. CONCLUSION: T2DM patients with dyslipidemia, especially those with MCI, exhibit significant atrophy in hippocampal subfield volumes, with correlations observed between lipid levels and hippocampal subfield volume changes. These findings suggest that lipid alterations may play an essential role in hippocampal structural abnormalities and cognitive impairment in T2DM patients. This study provides new insights into the neuropathophysiological mechanisms underlying brain alterations and cognitive decline in T2DM.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,374
Écart entre enseignants0,341 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain ResearchMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207