Lifestyle Interaction With Fat Mass and Obesity-Associated (<i>FTO</i>) Genotype and Risk of Obesity in Apparently Healthy U.S. Women
Notice bibliographique
Résumé
OBJECTIVE: Variation in the fat mass and obesity-associated (FTO) gene is associated with obesity. The extent to which separate and combined effects of physical activity and caloric intake modify this association remains unclear. RESEARCH DESIGN AND METHODS: FTO polymorphism rs8050136 was measured, and physical activity, caloric intake, and anthropometrics were self-reported in 21,675 apparently healthy Caucasian women. RESULTS: The effect of the risk allele (A) on BMI was larger among inactive or higher intake women, with additive effects of inactivity and high intake on the associated genetic risk. Specifically, each A allele was associated with mean BMI difference of +0.73 (SE 0.08) kg/m(2) among inactive women (≤ median, 8.8 MET-hours/week), compared with +0.31 (0.06) kg/m(2), P < 0.0001, among active women (>8.8 MET-hours/week). Similarly, each A allele was associated with mean BMI difference of +0.65 (0.07) among high intake women (>median, 1,679 kcals/day), compared with +0.38 (0.07) kg/m(2), P = 0.005, among low intake women (≤ 1,679 kcals/day). Among inactive/high intake women, each A allele was associated with mean BMI difference of +0.97 (0.11) kg/m(2) vs. +0.22 (0.08) kg/m(2) among inactive/low intake women, P < 0.0001. Among inactive/high intake women, each A allele carried increased risk of obesity (odds ratio 1.39, 95% CI 1.27-1.52) and diabetes (odds ratio 1.36, 95% CI 1.07-1.73). CONCLUSIONS: In this study, lifestyle factors modified the genetic risk of FTO on obesity phenotypes, particularly among women who were both inactive and had high intake. Healthier lifestyle patterns blunted but did not completely eliminate the associated genetic risk.
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 ».