Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Our work is divided in two parts. The first part consists of an analysis of metabolic characterisitics of subjects whose glucose tolerance has been assessed by oral-induced hyperglycaemia (OGTT) and the new W.H.O. diabetes criteria, according to their insulin sensitivity and β-cell function evaluated by HOMA model. Subjects formed a retrospective cohort and were patients treated in the “University Hospital Saint-Luc”.
Our population was composed of “concordant” and “discordant” subjects as for former and new criteria, un function of their glucose tolerance stratification (three possibilities for each methods : normal (NGT), glucose intolerance (IGF-IGT) or diabetes).
According to literature, the new diabetes diagnosis criteria are more recommended that the former ones; and the HOMA model would currently be more recommended for the assessment of insulin resistance. In our study we found that the former and new criteria were not entirely concordant, which makes them different. Moreover, the concordance between the two criteria is more relevant for subjects having a normal glucose tolerance and this is not the case for subjects intolerant to glucose or having diabetes. However, we could not see whether the new criteria enabled us to detect more “sick” patients, as mentioned in literature.
We nevertheless hope to see this statement reviewed later.
In relation with the HOMA model for the assessment of insulin resistance, we showed that the insulin sensitivity (HOMA %S) enables to distinguish glucose tolerant subjects having a normal glucose tolerance and those being intolerant to glucose or diabetic, but the β secreting function does not always allow this.
The second part consists of a prospective study; an analysis of metabolic characteristics of subjects submitted to a lipid tolerance test following recently published modalities.
This analysis was conducted in function of their sensitivity to insulin and β secreting function with aid of HOMA model, and referred to past-prandial triglycerides. According to the literature, a great increase in triglycerides following a fat-rich meal expresses higher risk of insulin resistance compared to a reduced increase in post-prandial triglycerides.
In our study we observed that subjects having a serioud triglycerides increase after a test meal differed from those who saw a minor triglycerides increase, but not for all metabolic parameters. However, the HOMA iondex fro insulin sensitivity (HOMA % S) is significantly different for the two groups contrarily to the HOMA index for β-cell function index (HOMA %B).
our wish is to see in the future what would occur if a larger sample than ours was taken with more diverse subjects as far as their glucose tolerance is concerned Notre travail est subdivisé en deux parties. La première consiste en une analyse des caractéristiques métaboliques des sujets dont la tolérance glucidique a été évaluée par l’hyperglycémie provoquée par voie orale (HGPO) et par les nouveaux critères O.M.S. de diabète en fonction de leur sensibilité à l’insuline et de leur fonction sécrétoire β à l’aide du modèle HOMA, dans une cohorte rétrospective de patients des Cliniques Universitaires Saint-Luc. Notre population était constituée par des sujets « concordants » ou « discordants » pour les anciens et les nouveaux critères, en fonction de leur statification selon la tolérance glucidique (3 possibilités pour chaque méthode : normale (NGT), intolérance au glucose (IFG-IGT) ou diabète)).
Selon la littérature, les nouveaux critères de diagnostic du diabète sont plus indiqués par rapport aux anciens critères ; et le modèle HOMA serait actuellement mieux indiqué pour l’évaluation de l’insulino-résistance. Dans notre travail nous avons trouvé que les anciens et les nouveaux critères ne sont pas tout à fait concordants, ce qui les rend différents. De surcroît, la concordance entre les deux critères concerne d’avantage les sujets ayant une tolérance glucidique normale, et pas les sujets intolérant au glucose ou diabétiques. Mais nous n’avons pas pu vérifier, comme le signale la littérature, que les nouveaux qu’) l’avenir, on puisse revoir cette constatation.
Pour ce qui est du modèle HOMA dans l’évaluation de l’insulino-résistance, nous avons trouvé que la sensibilité à l’insuline (HOMA %S) permet de différencier les sujets avec une tolérance glucidique normale et les sujets ayant une intolérance glucidique ou diabétiques, mais la fonction sécrétoire β ne le permet pas toujours.
La deuxième partie consiste en une étude prospective ; analyse des caractéristiques métaboliques de sujets ayant été soumis à un test de tolérance lipidique selon des modalités récemment publiées, en fonction de leur sensibilité à l’insuline et de leur fonction sécrétoire β à l’aide du modèle HOMA , et ce, selon la réponse postprandiale en triglycérides.
Selon la littérature, une forte augmentation des triglycérides après un repas riche en lipides traduit un risque plus élevé d’insulino-résistance en rapport avec les sujets qui font une faible augmentation des triglycérides postprandiaux. Dans notre travail nous avons trouvé que les sujets qui font une forte augmentation des triglycérides après le repas-test, diffèrent de ceux qui manifestent une faible augmentation des triglycérides mais pas pour tous les paramètres métaboliques. Néanmoins, l’index HOMA pour la sensibilité à l’insuline (HOMA %S) est significativement différent dans les deux groupes, contrairement à l’index HOMA pour la fonction sécrétoire β (HOMA %B). Notre souhait pour l’avenir est de voir ce qui se passerait si l’on prenait un échantillon plus important que le notre avec des sujets plus divers de par leur tolérance glucidique

Hyperglycemia --- Hyperlipidemias --- Insulin

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Diabetes Mellitus, Type 2 --- Gene Frequency --- Insulin --- Receptor, Insulin --- Insulin Resistance --- genetics --- metabolism

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

insulin poisoning --- droit penal --- infanticide --- criminologie

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Children’s undernutrition by screening is not yet systematic done in hospital. In order to identify the nutritional risk (low, moderate, high), a simple, rapid and efficient algorithm has been elaborated. 401 patients have been studied (average age: 13.6 months). They were admitted in different medicals wards such as general paediatric, cardiology, gastroenterology and neurology or in surgical ward. Medical, anthropometric and biological data have been collected. The decisional tree’s elaboration has been founded on the basis of “Nutritional Risk Score” (REILLY, 1995). According to Reilly, 10% of the studied population are at high risk, whereas the 90% others share in equal parts low and moderate risks. The software used is a version of the algorithm CART by Splus.
Based on medical date, a first decisional tree (tree “A”) has been elaborated. The variables “food intake”, “diarrhoea”, vomiting” and “weight loss” appear to be significant in the nutritional risk identification. The results showed 72% of sensibility and 86% of specificity. Each child subject to a risk will be classified accordingly. However, the negative predictive value as at 73.4% and the misclassification error rate is at 28%. Low risk children ware determined with less precision. Consequently, a complementary tree, introducing the variable “weight/height”, applied to those low risk children, had allowed to better target the moderate risk by Reilly, Then, the misclassification error rate is reduce to 8%.
A second decisional tree (tree “B”) has been composed of medical data but this time the variable “weight/height” has been used since the beginning. This tree may be applied to the entire population and gives better results back (sensibility 84%, specificity 94% and misclassification error rate 15%).
Both trees are quick tools to detect a risk of undernutrition to1 to 36 months old children. “A” tree is the fasted, “B” the most reliable but it needs one more measurement.
In this “end of studies work”, measurements of IGF-I have been used to elaborate references for 1 to 36 months old children. The IGF-I’s role like undernutrition-scorer has been tested but it seems to be unsignificant. La dénutrition chez l’enfant à l’hôpital ne fait pas encore l’objet d’un dépistage systématique. Afin de situer le risque nutritionnel (faible, moyen, élevé), un algorithme simple, rapide et efficace a été élaboré. Ont été étudiés 401 patients, moyenne d’âge 13.6 mois, hospitalisés dans les services de pédiatrie générale, chirurgie, cardiologie, digestive et neurologie. Des données anamnestiques, anthropométriques et biologiques ont été recueillies. L’élaboration de l’arbre décisionnel a été fondé sur le « Score de Risque Nutritionnel » (REILLY, 1995). Selon Reilly, 10% de la population étudiés sont à risque sévère tandis que les 90% restants se répartissent en parts égales les risques faible et moyen. Le logiciel utilisé est une variante de l’algorithme CART de Splus. Un premier arbre de décision (arbre A) a été élaboré au départ des données anamnestiques. Les variables « ingestats », « vomissements », « diarrhées » et « notion de la perte du poids » se montrent déterminantes dans la classification du risque nutritionnel. Une sensibilité de 72% et une spécificité de 86% ont été obtenues. Tout enfant à risque sera classé comme tel. Cependant, la valeur prédictive négative est de 73.4% et le taux d’erreur empirique est de 28%. Les enfants à risque faible étant classés avec moins de précision, un arbre complémentaire appliqué à ceux-ci, introduisant la variable « rapport poids/taille », a permis de mieux cerner les enfants considérés à risque moyen par Reilly. Le taux d’erreur empirique est alors ramené à 8%.
Un second arbre (arbre B) a été constitué à partir des données anamnestiques et du « rapport poids/taille ». Applicable à toute la population, il a été proposé afin d’obtenir d’emblée une meilleure classification du risque nutritionnel (sensibilité de 84%, spécificité de 94% et taux d’erreur empirique de 15%).
Les 2 arbres obtenus constituent 2 outils rapides de détection du risque nutritionnel chez les enfants de 1 à 36 mois. L’arbre A est le plus rapide, l’arbre B le plus fiable mais il nécessite une mesure supplémentaire.
Dans ce mémoire, les dosages de l’IGF-I ont contribué à l’élaboration de courbes de référence pour les enfants de 1 à 36 mois. De plus, le rôle de l’IGF-I comme marqueur nutritionnel a été étudié mais est apparu non significatif

Insulin-Like Growth Factor I --- Child Nutrition Disorders

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

The serum level of C-reactive protein (CRP), an acute phase reactant, is a predictor of the cardiovascular risk in the general population and in dialyzed patient (in the latter CRP level is frequently elevated). By contrast, whether CRP serum level is predictive of cardiovascular risk after renal transplantation is unknown. In this study, we assessed the potential relationship between the levels of CRP, albumin, prealbumin and IGF-1 on the day of transplantation on the one hand, and the subsequent development of cardiovascular atherosclerotic events on the other hand.
We included all 281 residents in Belgium, recipients of an isolated first cadaveric renal TP between 01/01/85 and 31/12/95 in whom no systemic inflammation disease was active at the time of transplantation could be retrieved. On these sera, the level of CRP, albumin, prealbumin, and IGF-1 was measured. We recorder all cardiovascular atherosclerotic events from the day of transplantation until 31/12/00 (or death). These events were retrieved from medical charts and defined by strict, specific criteria of ischemic heart disease, cerebrovascular disease or peripheral disease.
Univariate analysis showed that the post transplantation development of cardiovascular event(s) was associated with older age, pre transplantation diabetes, a history pre transplantation cardiovascular event, a high CRP level, a longer time spent on dialysis and a higher frequency of tacrolimus (rather than cyclosporine) treatment. Nutritional markers were not predictive of post transplantation cardiovascular event.
In multivariate analysis, three parameters were independent predictors of cardiovascular risk after transplantation: a history of diabetes (p=0.0001), pre transplantation CRP level (p= 0.0001) and dialysis duration (p=0.0001). CRP level at the time of transplantation was significantly associated with a history of pre transplantation event(s). This suggests that the level reflects the extent and/or “activity” of atherosclerosis.
Univariate analysis further showed that a higher CRP level was associated with an increased risk of post transplantation death and risk of resuming dialysis. However, in multivariate analysis, death was predicted by a history of pre transplantation cardiovascular event whereas the need to resume dialysis was by younger age and non Caucasian race.
In conclusion, we demonstrate for the first time that the level of CRP, measured immediately before renal transplantation, is predictive of the risk post transplantation cardiovascular event.
In contrast, the level of various nutritional markers was not predictive of post transplantation evolution Le taux de la C-réactive protéine (CRP), un marqueur inflammatoire, est un bon prédicteur du risque cardiovasculaire dans la population générale, et chez les patients en dialyse, chez lesquels le taux CRP est souvent élevé. Par contre, aucune étude ne s’est intéressée au lien éventuel entre le taux de CRP et le risque cardiovasculaire après la transplantation rénale. Notre travail vise donc à déterminer s’il existe un lien entre les taux de CRP, d’albumine, de préalbumine et d’IGF-1 (paramètres nutritionnels) du jour de la transplantation d‘une et la survenue d’événement(s) cardiovasculaire(s) après la greffe rénale d’autre part.
La population de notre étude se compose de 281 patients résidents, ayant bénéficié entre 1985 et 1995 d’une première greffe rénale isolée, de cadavre, en l’absence de maladie systémique active et pour lesquels nous avons retrouvé un sérum. Le suivi est réalisé jusqu’au 31/12/2000 ou jusqu’au décès. L’étude s’est sur le dosage de diverses substances, à savoir la CPR, l’albumine, la préalbumine et l’IGF-1, réalisés sur le sérum du jour de la greffe rénale. Le devenir des patients est évalué par l’enregistrement d’événement(s) cardiovasculaire(s) athéromateux, défini(s) sur base de critères très spécifiques de cardiopathie ischémique, de maladie cérébrovasculaire, ou de vasculopathie périphérique.
En uni variée, les patients ayant présenté un événement sont plus âgés, ont plus fréquemment un diabète et un antécédent d’événement(s) cardiovasculaire(s), une CPR élevée, une durée de dialyse plus longue et un traitement de tacrolimus plus fréquemment que dans le groupe sans événement. En multi variée, trois paramètres sont des prédicteurs indépendants du risque cardiovasculaire post-TP : un antécédent de diabète pré-T (p=0.0001), la taux de CPR (p=0.0001) et la durée de dialyse (p=0.0001). Les marqueurs nutritionnels sont similaires dans les deux groupes. Un lien significatif est également mis en évidence entre la CRP du jour de la greffe et les événements cardiovasculaire pré-greffe. Ceci suggère que la CRP est un bon reflet de l’athéromatose. Une corrélation entre le décès et le CRP, et entre la reprise en dialyse, et la CPR est présent uniquement en analyse uni variée. Les paramètres significatifs en multi variée pour la reprise en dialyse sont le jeune âge et la race non caucasienne, et pour le décès, l’antécédent d’événement cardiovasculaire pré-greffe.
Les résultats de cette étude démontrent pour la première fois un lien entre la CPR du jour de la transplantation et la survenue d’événement(s) cardiovasculaire(s) athéromateux chez les greffés rénaux. Par contre, les marqueurs nutritionnels ne sont pas associés, dans cette cohorte, à la survenue d’événement(s) cardiovasculaire(s)

Insulin-Like Growth Factor I --- Kidney Transplantation --- Albumins --- Prealbumin --- Somatomedins