Arsenic exposure and type 2 diabetes: results from the 2007–2009 Canadian Health Measures Survey
Notice bibliographique
Résumé
INTRODUCTION: Inorganic arsenic and its metabolites are considered dangerous to human health. Although several studies have reported associations between low-level arsenic exposure and diabetes mellitus in the United States and Mexico, this association has not been studied in the Canadian population. We evaluated the association between arsenic exposure, as measured by total arsenic concentration in urine, and the prevalence of type 2 diabetes (T2D) in 3151 adult participants in Cycle 1 (2007-2009) of the Canadian Health Measures Survey (CHMS). METHODS: All participants were tested to determine blood glucose and glycated hemoglobin. Urine analysis was also performed to measure total arsenic. In addition, participants answered a detailed questionnaire about their lifestyle and medical history. We assessed the association between urinary arsenic levels and T2D and prediabetes using multivariate logistic regression while adjusting for potential confounders. RESULTS: Total urinary arsenic concentration was positively associated with the prevalence of T2D and prediabetes: adjusted odds ratios were 1.81 (95% CI: 1.12-2.95) and 2.04 (95% CI: 1.03-4.05), respectively, when comparing the highest (fourth) urinary arsenic concentration quartile with the lowest (first) quartile. Total urinary arsenic was also associated with glycated hemoglobin levels in people with untreated diabetes. CONCLUSION: We found significant associations between arsenic exposure and the prevalence of T2D and prediabetes in the Canadian population. Causal inference is limited due to the cross-sectional design of the study and the absence of long-term exposure assessment.
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) | 0,000 | 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 ».