Adipokines and Incident Type 2 Diabetes in an Aboriginal Canadian Population
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to investigate associations of adiponectin, leptin, C-reactive protein (CRP), interleukin (IL)-6, and serum amyloid A (SAA), individually or in combinations, with risk of incident type 2 diabetes in a Aboriginal Canadian [corrected] population. RESEARCH DESIGN AND METHODS: Of the 606 Sandy Lake Health and Diabetes Project cohort subjects who were free of diabetes at baseline, 540 (89.1%) participated in 10-year follow-up assessments. Concentrations of fasting adiponectin, leptin, CRP, IL-6, SAA, and covariates were measured at baseline. Fasting glucose and a 75-g oral glucose tolerance test were obtained at baseline and follow-up to determine incident type 2 diabetes, defined as clinically diagnosed type 2 diabetes or as fasting plasma glucose > or =7.0 mmol/l or 2-h postload plasma glucose > or =11.1 mmol/l at follow-up. RESULTS: Low adiponectin, high leptin, and low adiponectin-to-leptin ratio at baseline were associated with increased risk of incident type 2 diabetes after adjustment for age, sex, triglycerides, HDL cholesterol, hypertension, and impaired glucose tolerance (odds ratio 0.63 [95% CI 0.48-0.83], 1.50 [1.02-2.21], and 0.54 [0.37-0.77], respectively). When the models were additionally adjusted for waist circumference or BMI, however, only low adiponectin remained significantly associated with increased incident diabetes (0.68 [0.51-0.90]). Combinations of leptin, CRP, IL-6, and/or SAA with adiponectin, assessed using either the ratio or joint effects, did not improve diabetes prediction. CONCLUSIONS: Low baseline adiponectin is associated with increased risk of incident type 2 diabetes independent of leptin, CRP, IL-6, SAA, and metabolic syndrome variables including obesity.
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 | 0,000 |
| 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 ».