PREDICTORS OF INSULIN RESISTANCE IN COMMUNITY-DWELLING OLDER ADULTS OF THE NUAGE STUDY
Notice bibliographique
Résumé
We determined insulin resistant subjects over a 3-year period by trajectory analyses of the HOMA-IR in a sample of non-diabetic, participants of the NuAge Study. Muscle mass index and % body fat were derived from DXA and bioimpedance. Physical activity was assessed. Protein intakes were calculated. Serum biomarker profile included adiponectin, leptin, CRP, TNF-α, IL-6, IL-10, lipid profile, IGF-1 and IGFBP-3. Using path analysis without biomarkers, positive associations were observed for HOMA-IR score with MMI (β=0.42) and % body fat (β=0.094). Logistic regression without biomarkers provided only 3 significant predictors of insulin resistance: MMI [OR (95% CI): 1.72 (1.26–2.3)]; %body fat [1.18 (1.12–1.25)]; male sex [0.145 (0.04–0.45)]. When the biomarker profile was included, adiponectin [0.58 (0.35–0.95)], TNF-α [1.12 (1.00–1.23)] and leptin [2.92 (1.29–6.64)] were independent predictors of insulin resistance. Our analyses showed that positive association between muscle mass and HOMA-IR is likely mediated through higher levels of TNF-α and leptin and lower adiponectin.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».