Determining the Development of Insulin Resistance in Older Adults of the NuAge cohort Using Trajectory Modeling of the Homeostatic Model Assessment of Insulin Resistance Score
Notice bibliographique
Résumé
Background: Age-associated body composition changes increase the risk of developing insulin resistance. Identifying these subjects in epidemiological studies is challenging.Objective: Identify insulin-resistant subjects over a 3-year period and determine predictors.Methods: Data on 649 non-diabetic participants of the Quebec Longitudinal Study on Nutrition and Successful Aging (NuAge) Cohort were analyzed. Muscle mass index (kg/height in m²) and %body fat were derived from dual X-ray absorptiometry or bioimpedancemetry. Insulin resistance was based on the Homeostatic Model Assessment of insulin resistance HOMA-IR score. Physical activity was assessed by questionnaire. Protein and fat intake were obtained from three 24-h food recalls. Developmental trajectories over 4 time points were used to determine insulin sensitivity status. Logistic regression analyses serve to determine baseline variables affecting change over time.Results: Seven group-based trajectories were identified from a model with good fit. Curve inspection allowed for the classification of insulin sensitive and resistant subjects. Predictors of insulin resistance were: muscle mass index [OR (95% CI): 1.72 (1.26 - 2.3)]; %body fat [1.18 (1.12 - 1.25)]; male sex [OR for women versus men: 0.145 (0.04 - 0.45)].Conclusion: Greater muscle mass index and % body fat contribute to higher odds of insulin resistance with aging in man whereas being a woman decreases these odds. The relationship between muscle mass and the development of insulin resistance is counterintuitive and requires further exploration since it suggests that maintenance of muscle mass with aging is a contributor. Our probabilistic approach addresses one of the challenges in determining insulin-resistant subjects in epidemiological studies.
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) | 0,001 | 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 ».