XiaoMi-AI文件搜索系统
World File Search SystemOGTT
o r i g i n a l r e s e a r c h补充花青素对空腹超级
背景：胰岛素样生长因子结合蛋白-4（IGFBP-4）片段已显示与心脏代谢性疾病有关。花青素作为天然多酚亚组可能在治疗心脏代谢性疾病方面有好处。这项研究的目的是检查纯化的花青素对空腹高血糖患者血清IGFBP-4片段和血糖控制的影响。方法：一组121名升高的禁食葡萄糖（≥5.6mmol/l）的参与者最初被随机分配给花青素（320 mg/day）或安慰剂组，包括在本研究中。血清IGFBP-4片段，三个小时的口服葡萄糖耐受性测试（OGTT）后，在基线和12周结束时测量了三个小时的口服葡萄糖耐受性测试（OGTT）后的禁食和后葡萄糖，胰岛素和C肽。结果：与安慰剂相比，花青素增加了血清IGFBP-4片段（净变化8.33 ng/ml，95％CI [1.2，15.47]，p = 0.023），p = 0.023），禁食葡萄糖降低，并减少了葡萄糖（-0.4 mmol/l [-0.4 mmol/l [-0.71，0.1，-0.1，-0.1，-0.11]，p = 0.01]，p = 0.01） ng/ml [-1.99，-0.04]，p = 0.041）和c肽的曲线（AUC）下的3小时面积（-2.19 [-4.4.11，-0.27]，p = 0.026）。在血糖控制和胰岛素抵抗的参数上没有其他显着差异。结论：补充花青素12周改善了血清IGFBP-4片段，并减少了空腹高血糖患者的空腹葡萄糖和后C肽。需要进一步的研究来确认我们的发现并阐明潜在的机制。试验注册：clinicaltrials.gov，NCT02689765。于2016年2月6日注册，https://clinicaltrials.gov/ct2/show/nct02689765。关键字：IGFBP-4片段，花青素，口服葡萄糖耐受性测试，胰岛素抵抗，C肽
DNA基本三重态中的短距离电荷传输
方法：具有GDM历史但没有预先存在的糖尿病的女性志愿者是从多种族的新加坡社区招募的。使用URA戒指为每个合格的女人提供一个自我监控的机会，该戒指每天提供有关步骤计数，宾夕法尼亚州，睡眠和就寝时间心率的反馈。干预小组还收到了个性化建议，旨在从整体上加强健康行为（饮食，PA，睡眠和压力）。饮食摄入量是由研究营养师评估的，而步骤计数，宾夕法尼亚州，睡眠和就寝时间的心率由健康教练根据OURA环数据进行评估。感知到的身心健康和福祉是自我报告的。临床结果包括通过HBA 1C和OGTT测试确定的血糖状态，体重指数，血压和脂质效果。
实施糖尿病前筛选算法以改善初级保健中的识别和推荐
Abbreviations ADA – American Diabetes Association APRN – Advanced Practice Registered Nurse CDC – Centers for Disease Control DNP – Doctor of Nursing Practice DO – Doctor of Osteopathic Medicine DPP – Diabetes Prevention Program EHR – Electronic health records FBG – Fasting blood glucose HbA1c - Hemoglobin A1c IDF – International Diabetes Federation LPN – Licensed Practical Nurse MA – Medical Assistant MD – Medical Doctor NGSP – National Glycohemoglobin Standardization Program NIDDK - National Institute of Diabetes and Digestive and Kidney Diseases OGTT – Oral glucose tolerance test PDSA – Plan-Do-Study-Act POC - Point of care REDCap – Research Electronic Data Capture USPSTF – United States Preventative Services Task Force WHO – World Health Organization
卡塔尔的单个中心体验
定义糖尿病前期的标准不是均匀的。不同组织发布的准则之间的定义和筛选标准有所不同，从而估计了患病率可能会因彼此而异。例如，世界卫生组织（WHO）使用两个特定参数将糖尿病前期定义为中等高血糖的状态，如以下1）IFG定义为空腹血浆葡萄糖（FPG）6.1-6.9 mmol/l（110 to125 mg/dl，2）igt os l（110 to125 mg/dl，2）摄入75 g口服葡萄糖负荷或基于2小时口服葡萄糖耐量测试（OGTT）的两者组合后，mg/dl）[5]。然而，美国糖尿病协会（ADA）的IGT阈值相似（140-200 mg/dl），但IFG（100 125mg/dl）的阈值较低，并且具有基于5.7％至6.4％％的5.7％至6.4％for the Perdediales的6.4％[6％的6.4％[6]的额外血红蛋白A1C（HBA1C）的额外阈值。
如何引用本文 Ghanem SS、Abdulkreem EM、Alfurayh MS 等人 (2025 年 2 月 1 日) HbA1c 在糖尿病随访和控制中的作用
事实上，有不同的生物标志物可用于评估血糖控制。糖化血红蛋白 (HbA1c) 已成为一种关键的生物标志物，因为它能够反映长期（三个月）内的平均血糖水平。HbA1c 是由红细胞中的血红蛋白非酶糖基化形成的，其水平受血液中现行葡萄糖浓度的影响。它可以在一天中的任何时间进行，不需要任何特殊准备，例如空腹测量空腹血糖水平或进行口服葡萄糖耐量测试 (OGTT) 和每日血糖变化 [4] 。国际委员会和美国残疾人法案 (ADA) 现已推荐使用 HbA1c 来诊断糖尿病。它还被用作糖尿病高危人群的筛查测试 [5] 。因此，HbA1c 为长期血糖控制提供了宝贵的见解，并广泛用于临床实践中以指导糖尿病管理 [6] 。
引用：Dong W，Cheng Whg，Tse Ety等。糖尿病和糖尿病前期的开发和验证案例的风险预测功能
摘要简介糖尿病（DM）是一种主要的非传染病，患病率越来越高。未诊断的DM并不少见，可能导致严重的并发症和死亡率。在较早的疾病阶段识别高风险个体，即糖尿病前（前DM）对于延迟进展至关重要。现有的风险模型主要依赖于不可修道的因素仅预测DM风险，而很少有人适用于中国人。本研究旨在开发和验证风险预测功能，该功能纳入了可修改的生活方式因素，以检测中国成年人在初级保健中的DM和PER-DM。方法和分析使用香港人口健康调查（PHS）2014/2015和12个月的前瞻性研究来开发DM/PER-DM风险预测函数，以验证DM/PEREDM患者的发现功能。将从PHS 2014/2015中提取1857名没有自我报告的DM/Pre-DM的中国成年人的数据，以使用逻辑回归和机器学习方法开发DM/PER-DM风险模型。1014名中国成年人将从香港的公共和私人初级保健诊所招募，其中没有DM/PER-DM的已知历史。他们将在招募中填写有关口服葡萄糖耐量测试（OGTT）和血红蛋白A1C（HBA1C）的相关危险因素和血液测试的问卷，如果第一次血液检查为阴性，则为12个月。在任何血液检查中，OGTT或HBA1C定义的阳性病例是DM/ PER-DM。研究结果将在同行评审期刊中提交出版。将计算接收器操作特征曲线，灵敏度，特异性，预测值和模型的负预测值在检测DM/PER-DM中。伦理和传播伦理批准已从香港/香港医院管理局香港西部集群（UW19-831）和香港医院库洛恩中央/九龙东部集群（KC/KE）-21-0042/er-3）获得了香港/香港医院管理局。
横断面研究表明，白天过度午睡与胰岛素敏感性降低有独立相关性——兵库县睡眠心脏自主神经动脉粥样硬化队列研究
背景：尽管已证实白天过度午睡与糖尿病的发生有关，但其对胰岛素分泌和敏感性的影响尚未阐明。据推测，过度午睡会扰乱睡眠-觉醒节律，增加白天交感神经活动，导致胰岛素敏感性降低，这可能是导致糖尿病发展的一种机制。我们之前进行了一项横断面研究，结果显示自主神经功能障碍与胰岛素敏感性降低有关，但自主神经功能在午睡和胰岛素敏感性之间的关联中的作用仍不清楚。此外，用于补充夜间短睡眠的午睡对胰岛素分泌和敏感性的影响也尚不清楚。在本横断面研究中，我们在排除已诊断患有糖尿病的患者后，研究了兵库睡眠心脏-自主神经动脉粥样硬化 (HSCAA) 队列研究中 436 名接受 75 克口服葡萄糖耐量试验 (75 克 OGTT) 的受试者的白天午睡持续时间和自主神经功能与胰岛素分泌和敏感性的关系。
使用深神经网络的智能分类和诊断糖尿病和葡萄糖耐受性受损 肠道菌群与三个临床组（炎症性肠病，艰难梭菌感染和医疗保健工人）相关的梭状芽胞杆菌艰难梭菌运输 锌电池的固态电解质的微型景 心血管疾病和糖尿病之间共享途径涉及的分子过程 对治疗和预防的影响 对氨基酸水平和认知di 的影响 DNA基本三重态中的短距离电荷传输 精确肿瘤学是年龄的：设计最佳... 通过波长分辨中子成像揭示电池电解质中温度的影响 一种预防妊娠糖尿病史的亚洲妇女预防2型糖尿病的整体方法：可行性研究和飞行员随机对照试验 血管紧张素转换酶（ACE）抑制剂 - 与肌细胞收缩和心室隔隔发育有关的基因突变，法洛>非伴有四方四边形 呼吸基因治疗的进展
摘要：时间序列分类是数据挖掘中的一个具有挑战性且令人兴奋的问题。根据时间序列进行了分类和诊断的某些疾病。糖尿病是这种情况，可以根据口服葡萄糖耐受性测试（OGTT）的数据进行分析。及时诊断糖尿病对于疾病管理至关重要。糖尿病不会突然出现。取而代之的是，患者表现出葡萄糖耐受性受损的症状，也可以通过葡萄糖耐受性测试来诊断。这项工作使用基于时间序列数据的深神经网络提出了疾病，特定糖尿病和葡萄糖耐受性差的分类和诊断方案。此外，通过Dalla Man和UVA/Padova模型获得了虚拟患者的数据；对实际患者的数据进行了验证。结果表明，深神经网络的精度为96％。这表明DNNS是一个有用的工具，可以在早期检测中改善疾病的诊断和分类。