Serum Lipid Profile and Its Association with Diabetes and Prediabetes in a Rural Bangladeshi Population
Notice bibliographique
Résumé
Dyslipidemia is commonly associated with diabetes (T2DM). This has been demonstrated for the Caucasian population, but few data are available for Asian Indians. The paper aims to investigate serum lipids (separately or in combination) and their association with glucose intolerance status (T2DM and prediabetes) in a rural Bangladeshi population. A sample of 2293 adults (≥20 years) were included in a community based cross-sectional survey in 2009. Anthropometric measures, blood pressure, blood glucose (fasting and 2-h oral glucose tolerance test) and fasting serum lipids (total cholesterol, T-Chol; triglycerides, Tg; low density lipoprotein cholesterol, LDL-C and high density lipoprotein cholesterol, HDL-C) were registered. Analysis of covariance (ANCOVA) and regression analysis were performed. High Tg levels were seen in 26% to 64% of the participants, depending on glucose tolerance status. Low HDL-C levels were seen in all groups (>90%). Significant linear trends were observed for high T-Chol, high Tg and low HDL-C with increasing glucose intolerance (p for trend <0.001). T2DM was significantly associated with high T-Chol (Odds ratio (OR): 2.43, p < 0.001), high Tg (OR: 3.91, p < 0.001) and low HDL-C (OR: 2.17, p = 0.044). Prediabetes showed a significant association with high Tg (OR: 1.96, p < 0.001) and low HDL-C (OR: 2.93, p = 0.011). Participants with combined high Tg and low HDL-C levels had a 12.75-fold higher OR for T2DM and 4.89 OR for prediabetes. In Asian Indian populations an assessment of serum lipids is warranted not only for T2DM patients, but also for those with prediabetes.
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 | 0,002 | 0,000 |
| 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 ».