The Association Between Serum Prostate‐Specific Antigen and Glycemic Index, Glycemic Load, and Metformin in Individuals with Diabetes: a Cross‐sectional Analysis
Notice bibliographique
Résumé
Background Improving glycemic control with Metformin therapy, glycemic index (GI), and glycemic load (GL) have been protectively associated with prostate cancer risk. No studies have yet assessed the relationship between GI, GL, and Metformin on serum prostate‐specific antigen (PSA), a controversial‐yet‐widely used marker of prostate health. Methods A cross‐section analysis of baseline PSA data from men with type 2 diabetes mellitus (T2DM) who previously completed a trial at this research center was conducted. Multivariate linear regression quantified associations between PSA and log‐PSA with GI, GL, and Metformin dose. Results Data were available from 317 men, with a mean PSA of 1.41±0.09ng/mL. Medians exposures (ranges) were 80 (56 – 96) for GI, 164 (62 – 386) for GL, and 1500mg (0 ‐ 3000 mg) for Metformin; 90% of men were under Metformin therapy. Neither PSA nor log‐PSA were significantly related to GI or GL. A negative trend was seen with PSA and metformin dose (p=0.09) in multivariate models. PSA was 24% lower among individuals taking 蠅2000mg of Metformin (n=125) compared to individuals taking <1000mg (n=62) (p=0.06). Log‐PSA significantly decreased by 0.15±0.09 ng/mL for every 1000mg increase in Metformin dose (r=‐0.38, p=0.02). Conclusions Metformin, but not GI or GL, inversely related with log‐PSA in a sample of men with T2DM. Modification of PSA‐test sensitivity as a marker of prostate cancer with diet and Metformin warrants attention. Funding CIHR, Barilla, Loblaw Brands ltd
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».