Age, body mass index, race and other determinants of steroid hormone variability: the HERITAGE Family Study
Notice bibliographique
Résumé
OBJECTIVE AND METHODS: To investigate from the HERITAGE Family Study database, 13 steroid hormones (androstane-3alpha, 17beta-diol glucuronide, androsterone glucuronide, cortisol, dehydroepiandrosterone (DHEA), DHEA ester (DHEAE), DHEA sulfate (DHEAS), dihydrotestosterone (DHT), estradiol, 17-hydroxyprogesterone, progesterone, pregnenolone ester, sex hormone binding globulin (SHBG) and testosterone in each sex for their relationships with age, body mass index (BMI), race and key lifestyle variables. Sample sizes varied from 676 to 750 per hormone. Incremental regression methods were used to examine the contributions of the variables to steroid hormone variability. RESULTS: Age was a major predictor for most steroid hormones. The greatest contribution of age was a negative relationship with DHEAS (R(2)=0.39). BMI was also associated with the variability of several steroid hormones, being the most important predictor of SHBG (R(2)=0.20) and of testosterone (R(2)=0.12) concentrations. When age and BMI were included, race still contributed significantly to the variations in cortisol (R(2)=0.02 for men and 0.04 for women), DHT (R(2)=0.02 for men and 0.03 for women), and progesterone (R(2)=0.03 for women). Nevertheless, race appeared to be less important than age and BMI. In addition, lifestyle indicators (food and nutrient intakes, smoking and physical activity) influenced steroid hormone variability. Their contributions, however, were minor in most cases once age, BMI and race had been taken into account. CONCLUSIONS: We conclude that age was the most important factor, followed by BMI, race and lifestyle factors in explaining steroid hormone variability.
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) | 0,001 | 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 ».