Abstract 66: Small Dense LDL Cholesterol Predicts Incident Diabetes Mellitus: The Atherosclerosis Risk in Communities Study
Notice bibliographique
Résumé
Background: Small dense low-density lipoprotein cholesterol (sd-LDL-C) is an independent predictor of vascular events even in individuals with lower levels of LDL-C. Diabetics in particular tend to have higher levels of sd-LDL-C compared to those without diabetes. It is not known if sd-LDL-C predicts incident diabetes mellitus (DM). Objectives: We tested the hypothesis that elevated levels of sd-LDL-C measured using a new automated assay predict incident DM in the biracial ARIC study. Methods: Plasma sd-LDL-C was measured in 9,451 men and women without prevalent DM using a newly developed automated homogeneous assay. A Cox proportional hazards model was used to examine the association of sd-LDL-C with risk for incident DM. Results: More individuals in the highest vs. lowest sd-LDL-C quartiles were men, Caucasians, had hypertension and higher mean body mass index (BMI) (P<0.001 for all comparisons). Similarly more individuals in the highest vs. lowest sd-LDL-C quartiles had parental history of DM (31.2 vs. 28.8%, P=0.012) and higher mean fasting blood glucose (116 vs. 102 mg/dL, P<0.001). Over a period of 10.4 years 911 individuals developed new onset DM at a rate of 9.27 per thousand person years. In a fully adjusted model, individuals in highest vs. lowest sd-LDL-C quartiles have a 44% increased risk for the development of incident DM even after adjusting for fasting blood glucose (Table). Conclusion: sd-LDL-C predicts incident DM in the biracial ARIC study.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».