A longitudinal evaluation of the relationship between first morning urinary and salivary cortisol
Notice bibliographique
Résumé
UNLABELLED: Cortisol is one of the most frequently used stress biomarkers in humans. Urine and saliva are the matrices of choice to longitudinally monitor cortisol levels. Salivary and urinary cortisol are often discussed as though they provide similar information. However, the relationship between "free" cortisol levels in urine (nonconjugated) and saliva (non-protein-bound) has yet to be properly evaluated using naturalistic designs. OBJECTIVES: To investigate the longitudinal relationship between salivary cortisol (SC) and first morning urinary cortisol (FMUC), and to compare the advantages and disadvantages of these matrices in assessing longitudinal changes in cortisol secretion using naturalistic designs. METHODS: Cortisol levels from 31 healthy, Kakchiquel Mayan women in Guatemala were compared in one first morning urine (FMU) and four saliva specimens collected daily across three alternate days. Linear mixed-effect regression models including fixed and random effects were used to analyze the repeated-measures data. RESULTS: FMUC levels (16.04-242.18 ng/ml) were higher than SC levels (0.21-5.16 ng/ml). A small but statistically significant relationship was found between FMUC and SC (each 1 ng/ml increase in FMUC predicted a 0.1% increase in SC; P < 0.05). CONCLUSIONS: Nonconjugated FMUC levels are related to non-protein-bound SC levels collected throughout the day. FMU presents several advantages over saliva for the longitudinal assessment of cortisol in naturalistic studies. Cortisol levels are about 53-fold higher in FMU than in saliva, which makes between- and within-individual variation easier to detect, and FMUC levels are less likely to be affected by confounders than diurnal SC levels.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».