Individual serum saturated fatty acids and markers of chronic subclinical inflammation: the Insulin Resistance Atherosclerosis Study
Notice bibliographique
Résumé
Recent evidence has documented distinct effects of individual saturated FAs (SFAs) on cardiometabolic outcomes, with potential protective effects from odd- and very long-chain SFAs (VLSFAs). Cross-sectional and prospective associations of individual serum SFAs (12:0, 14:0, 15:0, 16:0, 18:0, 20:0, 22:0, and total SFA) with proinflammatory biomarkers and adiponectin were investigated in 555 adults from the IRAS. Principal component analysis (PCA) of proinflammatory markers yielded three clusters: principal component (PC) 1: fibrinogen, white cell count, C-reactive protein; PC 2: plasminogen activator inhibitor-1 (PAI-1), TNF-α, IL-18; PC 3: IL-6 and IL-8. Cross-sectional analyses on proinflammatory PCs and adiponectin, and prospective analyses on 5 year PAI-1 and fibrinogen concentrations were conducted with multiple regression. Total SFA and 16:0 were positively associated with PC 1 and PC 2, and negatively associated with adiponectin. The 14:0 was positively associated with PC 1 and negatively associated with adiponectin. In contrast, 15:0, 20:0, and 22:0 were negatively associated with PC 2, and 20:0 and 22:0 were positively associated with adiponectin. The 18:0 was negatively associated with PC 3. Prospectively, 15:0, 18:0, 20:0, and 22:0 were negatively associated with 5 year PAI-1 concentrations. The results demonstrate that individual SFAs have distinct roles in subclinical inflammation, highlighting the unique metabolic impacts of individual SFAs.
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 | 0,006 | 0,004 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».