The Influence of Urinary Concentrations of Organophosphate Metabolites on the Relationship between BMI and Cardiometabolic Health Risk
Notice bibliographique
Résumé
The objective was to determine whether detectable levels of OP metabolites influence the relationship between BMI and cardiometabolic health. This cross-sectional study was conducted using 2227 adults from the 1999-2008 NHANES datasets. Urinary concentrations of six dialkyl phosphate metabolites were dichotomized to above and below the detection limit. Weighted multiple regression analysis was performed adjusting for confounding variables. Independent of BMI, individuals with detectable metabolites had higher diastolic blood pressure (for dimethylphosphate, diethylphosphate, and diethyldithiophosphate; P < 0.05), lower HDL (for diethyldithiophosphate; P = 0.02), and higher triglyceride (for dimethyldithiophosphate; P = 0.05) than those below detection. Contrarily, those with detectable dimethylthiophosphate had better LDL, HDL, and total cholesterol, independent of BMI. Individuals at a higher BMI range who had detectable diethylphosphate (interaction: P = 0.03) and diethylthiophosphate (interaction: P = 0.02) exhibited lower HDL, while little difference existed between OP metabolite detection statuses at lower BMIs. Similarly, individuals with high BMIs and detectable diethylphosphate had higher triglyceride than those without detectable levels, while minimal differences between diethylphosphate detection statuses were observed at lower BMIs (interaction: P = 0.02). Thus, cardiometabolic health outcome differs depending on the specific OP metabolite being examined, with higher BMIs amplifying health risk.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».