Inflammatory biomarkers, physical activity, waist circumference, and risk of future coronary heart disease in healthy men and women
Notice bibliographique
Résumé
AIMS: The aim of this study was to determine the contribution of physical activity and abdominal obesity to the variation in inflammatory biomarkers and incident coronary heart disease (CHD) in a European population. METHODS AND RESULTS: In a prospective case-control study nested in the European Prospective Investigation into Cancer and Nutrition-Norfolk cohort, we examined the associations between circulating levels or activity of C-reactive protein, myeloperoxidase (MPO), secretory phospholipase A2 (sPLA2), lipoprotein-associated phospholipase A2 (Lp-PLA2), fibrinogen, adiponectin, waist circumference, physical activity, and CHD risk over a 10-year period among healthy men and women (45-79 years of age). A total of 1002 cases who developed fatal or non-fatal CHD were matched to 1859 controls on the basis of age, sex, and enrolment period. Circulating levels of C-reactive protein, sPLA2 (women only), fibrinogen, and adiponectin were linearly associated with increasing waist circumference and decreasing physical activity levels. After adjusting for waist circumference, physical activity, smoking, diabetes, systolic blood pressure, low-density lipoprotein and high-density lipoprotein cholesterol levels, and further adjusted for hormone replacement therapy in women, C-reactive protein, MPO (men only), sPLA2, fibrinogen, but not Lp-PLA2 and adiponectin were associated with an increased CHD risk. CONCLUSION: Inactive participants with an elevated waist circumference were characterized by deteriorated levels of inflammatory markers. However, several inflammatory markers were associated with an increased CHD risk, independent of underlying CHD risk factors such as waist circumference and physical activity 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 | 0,001 | 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 ».