MétaCan
Menu
Retour à la cohorte
Enregistrement W2012516919 · doi:10.5539/gjhs.v7n2p243

Association Between Serum Adiponectin and HDL-C in Type II Diabetic Patients

2014· article· en· W2012516919 sur OpenAlexvenueno aff
Nasser Shokri Kalehsar, Tagi Golmohammadi

Notice bibliographique

RevueGlobal Journal of Health Science · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueAdipokines, Inflammation, and Metabolic Diseases
Établissements canadiensnon disponible
Organismes subventionnairesArdabil University of Medical Sciences
Mots-clésAdiponectinInternal medicineMedicineType 2 diabetesDiabetes mellitusEndocrinologySignificant differenceInsulin resistance

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Adiponectin has an important role in the metabolism of lipids and carbohydrates, and it also has a role in vascular biology. The aim of this study was to determine the association of adiponectin with HDL-C in type II diabetic patients and healthy individuals. METHODOLOGY: This was a case control study. After 12 hours of fasting, the patients' blood samples was taken, and the serum was separated in a centrifuge tube. The concentration of adiponectin in the serum was measured using ELISA kits. The same procedure also was performed for the members of the control group. FINDINGS: The adiponectin levels were signifcantly different between the two groups, i.e., the type II diabetic patients and the individuals in the control group who were healthy nondiabetics (P < 0.001) and (t = 5.93). There was a significant difference in the HDL-C values between the two groups (P < 0.001) and (t = 11.30). A significant relationship also was found between the amounts of adiponectin and HDL-C (P ≤ 0.001). CONCLUSIONS: The results of this study can be used to identify individuals at risk for type II diabetes, and to control the risk factors for type II diabetes and cardiovascular diseases by increasing the levels of adiponectin in the blood.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,303
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetAdipokines, Inflammation, and Metabolic DiseasesTravaux en français237 207