Ethnic differences in acylation stimulating protein (ASP) in Xinjiang Uygur autonomous region, China.
Notice bibliographique
Résumé
BACKGROUND: Acylation Stimulating Protein (ASP) stimulates adipocyte triglyceride synthesis and glucose transport. The aim was to examine ethnic difference in ASP and the relation to lipid profile and other parameters among Han, Uygur, and Kazak healthy populations matched for BMI, age and gender distribution. METHODS: 331 healthy persons were recruited in total (age 30-60 yr): 137 Han, 114 Uygur, and 80 Kazak. Anthropometric measurements including height, weight, waist circumference, hip circumference, blood pressure, ankle brachial index (ABI), and pulse wave velocity (PWV) were measured in all participants. Fasting concentrations of fasting glucose, uric acid, and lipids, including triglyceride (TG), total cholesterol (TC), low density lipoprotein cholesterol (LDL-C), high density lipoprotein cholesterol (HDL-C), ASP, complement C3, insulin, non-esterified fatty acid (NEFA) and C-reactive protein (CRP) were measured. RESULTS: ASP in Uygurs was significantly lower than Han subjects (P=0.0003). The Uygurs demonstrated the highest C3 (P<0.001), CRP (P=0.001), and NEFA concentrations (P=0.008), the lowest %ASP/C3 (P<0.001) and TC levels (P=0.0008) vs those in Han and Kazak populations. In the Han group, glucose, the average ABI (an index of peripheral response) and diastolic blood pressure were significantly different from both Uygur and Kazak group (P=0.0007, P=0.0003, P=0.0001) while Kazaks show the lowest waist/hip circumference (WHR) (P=0.0003). CONCLUSION: There are ethnic differences in ASP, C3, CRP and lipid profiles in healthy Han, Uygur, and Kazak populations. Overall, the Uygur populations presents with a disadvantageous metabolic profile as compared to Han and Kazak groups.
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 | 0,001 |
| 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 ».