Adipose Depots, Not Disease-related Factors, Account for Skeletal Muscle Insulin Sensitivity in Established and Treated Rheumatoid Arthritis
Notice bibliographique
Résumé
OBJECTIVE: In prior reports, individuals with rheumatoid arthritis (RA) exhibited increased insulin resistance. However, those studies were limited by either suboptimal assessment methods for insulin sensitivity or a failure to account for important determinants such as adiposity and lack of physical activity. Our objectives were to carefully assess, compare, and determine predictors of skeletal muscle insulin sensitivity in RA, accounting for adiposity and physical activity. METHODS: Thirty-nine individuals with established (seropositive or erosions) and treated RA and 39 controls matched for age, sex, race, body mass index, and physical activity underwent a frequently sampled intravenous glucose tolerance test to determine insulin sensitivity. Inflammation, body composition, and physical activity were assessed with systemic cytokine measurements, computed tomography scans, and accelerometry, respectively. Exclusions were diabetes, cardiovascular disease, medication changes within 3 months, and prednisone use over 5 mg/day. This investigation was powered to detect a clinically significant, moderate effect size for insulin sensitivity difference. RESULTS: Despite elevated systemic inflammation [interleukin (IL)-6, IL-18, tumor necrosis factor-α; p < 0.05 for all], persons with RA were not less insulin sensitive [SI geometric mean (SD): RA 4.0 (2.4) vs control 4.9 (2.1)*10(-5) min(-1)/(pmol/l); p = 0.39]. Except for visceral adiposity being slightly greater in controls (p = 0.03), there were no differences in body composition or physical activity. Lower insulin sensitivity was independently associated with increased abdominal and thigh adiposity, but not with cytokines, disease activity, duration, disability, or disease-modifying medication use. CONCLUSION: In established and treated RA, traditional risk factors, specifically excess adiposity, play more of a role in predicting skeletal muscle insulin sensitivity than do systemic inflammation or other disease-related factors.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».