Association between Dichlorodiphenyldichloroethylene in the Serum and Adipose Tissue with Type 2 Diabetes: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
<p>The number of diabetics is growing every day. In addition to the main risk factors of type 2 diabetes (obesity, age and etc.) other environmental risk factors such as persistent organic pollutants are also considered. Dichlorodiphenyldichloroethylene is one of the persistent organic pollutants which are produced by the pesticide DDT metabolized and its effects of type 2 diabetes are taken into consideration of many investigators. Inconsistency in the results caused to try to achieve a detailed assessment of the effect of dichlorodiphenyldichloroethylene on type 2 diabetes by systematic review and meta-analysis. In this review study after a systematic review, finally 6 prospective and 7 cross-sectional studies were obtained. After approving the heterogeneity of the studies based on random effect model, it was calculate the mean of odds ratio. Meta-analysis of the pooled random effects of Dichlorodiphenyldichloroethylene was done with type 2 diabetes in prospective and cross-sectional studies. In prospective studies, the highest and lowest odds ratio was 6.1(95%CI: 1.36-27.27) and 1.01(95%CI: 0.59-1.70) and cross-sectional studies was 5.5(95%CI: 1.2-25.10) and 0.61(95%CI: 0.32-1.15), respectively. In the all studies (sum of prospective and cross-sectional), in the random effect model odds ratio was 1.52 (95%CI: 1.26-1.84) and heterogeneity was 52.1% (ρ<sub>heterogeneity</sub>=0.009). Increasing concentration of Dichlorodiphenyldichloroethylene in the serum and adipose tissue increased the risk of type 2 diabetes significantly (P&lt;0.001). The results of this review study support the role of dichlorodiphenyldichloroethylene as an environmental risk factor for type 2 diabetes.</p>
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 | 0,021 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».