Relationship Between C-Reactive Protein and Atherosclerotic Risk Factors and Oxidative Stress Markers Among Young Persons 10–18 Years Old
Notice bibliographique
Résumé
BACKGROUND: This study was undertaken to determine the association of serum C-reactive protein (CRP) with generalized and abdominal obesity, body fat composition, the metabolic syndrome, and oxidative stress markers among young people. METHODS: We conducted a population-based study of 512 young people, aged 10-18 years. We obtained anthropometric and blood pressure measurements. Fasting blood sugar, total cholesterol (TC), HDL-cholesterol, triglycerides, CRP, malondialdehyde (MDA), and conjugated diene (CDE) were quantified. LDL-cholesterol (LDL-C) was calculated for samples with TG < or =4.52 mmol/L RESULTS: Mean triglycerides, waist and hip circumferences, percentage body fat, subcutaneous fat, and systolic blood pressure increased significantly with increasing body mass index (BMI). In contrast, the mean LDL and TC were higher in underweight than normal weight individuals, and then increased significantly from normal to higher BMI categories. Mean HDL cholesterol significantly decreased with increasing BMI. Overall, CRP, MDA, and CDE were significantly correlated with measures of abdominal obesity. Serum CRP, MDA, and CDE significantly increased in the upper quartiles of waist circumference. Study participants with higher CRP concentrations were more likely to have metabolic syndrome and high oxidative stress markers. CONCLUSION: We found a significant positive association between CRP and oxidative stress markers in healthy young people, as well as an increase in these markers in the upper quartiles of waist circumference, but not BMI. Oxidative stress and CRP may interact in the early inflammatory processes of atherosclerosis.
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 | 0,001 | 0,005 |
| 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 ».