Novel Effects of Hormonal Contraceptive Use on the Plasma Proteome
Notice bibliographique
Résumé
BACKGROUND: Hormonal contraceptive (HC) use may increase cardiometabolic risk; however, the effect of HC on emerging cardiometabolic and other disease risk factors is not clear. OBJECTIVES: To determine the association between HC use and plasma proteins involved in established and emerging disease risk pathways. METHOD: Concentrations of 54 high-abundance plasma proteins were measured simultaneously by LC-MRM/MS in 783 women from the Toronto Nutrigenomics and Health Study. C-reactive protein (CRP) was measured separately. ANCOVA was used to test differences in protein concentrations between users and non-users, and among HC users depending on total hormone dose. Linear regression was used to test the association between duration (years) of HC use and plasma protein concentrations. Principal components analysis (PCA) was used to identify plasma proteomic profiles in users and non-users. RESULTS: After Bonferroni correction, 19 proteins involved in inflammation, innate immunity, coagulation and blood pressure regulation were significantly different between users and non-users (P<0.0009). These differences were replicated across three distinct ethnocultural groups. Traditional markers of glucose and lipid metabolism were also significantly higher among HC users. Neither hormone dose nor duration of use affected protein concentrations. PCA identified 4 distinct proteomic profiles in users and 3 in non-users. CONCLUSION: HC use was associated with different concentrations of plasma proteins along various disease-related pathways, and these differences were present across different ethnicities. Aside from the known effect of HC on traditional biomarkers of cardiometabolic risk, HC use also affects numerous proteins that may be biomarkers of dysregulation in inflammation, coagulation and blood pressure.
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 | 0,000 |
| 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 ».