Diabetes mellitus as an accelerator of cognitive impairment and alzheimer's disease
Bibliographic record
Abstract
La diabetes y la enfermedad de Alzheimer son dos patologías altamente prevalentes, con alto coste sanitario y relacionadas muy estrechamente entre sí. Por este motivo la American Diabetes Association (ADA) recomienda el cribaje de deterioro cognitivo en personas con diabetes mayores de 65 años. El evento de mayor interés es el diagnóstico de deterioro cognitivo leve (estado cognitivo situado entre la normo-cognición y la demencia), debido que sobre él se puede realizar medidas dirigidas a evitar el empeoramiento del estado cognitivo, por ejemplo, evitar hipoglucemias graves simplificando pautas terapéuticas. Las guías de práctica clínica actuales recomiendan para el cribado el uso del Mini-mental State (MMSE) y el Montreal Cognitive Assessment (MoCA), la primera con una baja sensibilidad para el diagnóstico de deterioro cognitivo leve (DCL) y la segunda requiere de certificación y personal entrenado para su uso. Para el establecer el diagnóstico se requiere de baterías neuropsicológicas complejas como la Repeatable Battery for the Assessment of Neuropsychological (RBANS), hoy imposible de implementar en la práctica clínica habitual. Bajo este escenario se plantea el objetivo principal de esta tesis doctoral que es evaluar la prevalencia de DCL en población con diabetes tipo 2 (DM2) > 65 años en un ámbito de atención terciaria y evaluar la posible aplicabilidad de otras pruebas de cribado como el Diabetes Specific Dementia Risk Score (DSDRS) y la Microperimetría Retiniana (MAIA). El DSDRS es un cuestionario desarrollado para predecir el riesgo de desarrollar deterioro cognitivo en personas con diabetes. Uno de los objetivos secundarios de esta tesis fue valorar si DSDRS no solo es útil como predictor, sino también como pruebas de cribado de deterioro cognitivo. La microperimetría de retina es una prueba no invasiva que mide la sensibilidad de la retina en términos de la mínima intensidad de luz que los pacientes pueden percibir cuando los puntos de luz estimulan áreas específicas de la retina y también evalúa la estabilidad de la fijación de la mirada. Su utilidad en la detección del deterioro cognitivo ha sido validada en estudios previos de nuestro equipo. La primera parte de esta tesis se centra en establecer la prevalencia de DCL en la población con DM2 >65. Para ello se diseñó un estudio clínico prospectivo observacional donde observamos una alta prevalencia de deterioro cognitivo desconocido en pacientes DM2 que acudieron a un hospital de tercer nivel. Además, se estableció que el DSDRS podría ser una herramienta de detección útil para el deterioro cognitivo. La segunda parte de esta tesis doctoral se centra en primero validar nuestros resultados previos del uso del MAIA como una herramienta de detección confiable para DCL y se evaluó su utilidad como herramienta de monitorización anual del estado cognitivo. Para ello se diseñó un estudio prospectivo con seguimiento a 3 años, donde pudimos observar que los parámetros de la sensibilidad de la retina y sobre todo la fijación de la mirada se correlaciona con los dominios cognitivos del recuerdo diferido obtenidos por la RBANS, siendo una herramienta útil en la monitorización del estado cognitivo. Finalmente, para robustecer nuestra teoría de que el MAIA explora diferentes circuitos neuronales, se diseñó un estudio transversal descriptivo con el objetivo de evaluar la relación de los parámetros obtenidos por MAIA con la vía visual valorada con el uso de potenciales visuales evocados (PVE). Se observó que correlación entre la sensibilidad de la retina (SR) obtenida por MAIA con los parámetros obtenidos con el uso de los PVE, estos resultados fortalecen a la teoría de que, la SR evalúa la vía óptica desde la retina hasta el cuerpo geniculado lateral del tálamo.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".