Accuracy of plasma interleukin-18 and adiponectin concentrations in predicting metabolic syndrome and cardiometabolic disease risk in middle-age Brazilian men
Notice bibliographique
Résumé
The aims of this cross-sectional study were to explore the ability of serum interleukin 18 (IL-18) and adiponectin to identify metabolic syndrome (MetS), and to verify their association with an index of central lipid overaccumulation (lipid accumulation product (LAP)) and cardiometabolic risk factors in a population of middle-aged Brazilian men. A group of 218 apparently healthy middle-aged Brazilian men (age, 50.3 ± 4.97 years) underwent anthropometric, clinical, sociodemographic, and standard serum biochemical assessments. LAP was calculated and the study participants were categorized into 3 groups according to serum IL-18 and adiponectin cut-points tertiles to verify the association of these biomarkers with cardiometabolic risk factors. The MetS group had more less active (p = 0.03) and obese (p < 0.01) individuals who exhibited higher IL-18 (p < 0.01) and lower adiponectin (p < 0.01) than did those in the group with no MetS. After adjustments (age, smoking, alcohol consumption, physical activity level, and total body fat), serum IL-18 ≥ 336.4 pg/mL was an independent factor for MetS occurrence and it was directly associated with LAP (≥51.28), central obesity, hypertriglyceridemia, and hypertension (p < 0.05), but not with high-density lipoprotein cholesterol (HDL-C). Serum adiponectin ≥ 7.02 μg/mL was negatively associated with MetS occurrence, LAP, hypertriglyceridemia, and low HDL-C (p < 0.05), but not with central obesity and hypertension. In conclusion, both IL-18 and adiponectin demonstrated the ability to identify MetS in this population, with IL-18 being more accurate. The association of these biomamarkers with LAP and cardiometabolic risk factors highlights its relevance as a diagnostic tool.
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 | 0,004 |
| 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) | 0,001 | 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 ».