Lifetime marijuana use in relation to insulin resistance in lean, overweight, and obese US adults
Notice bibliographique
Résumé
BACKGROUND: Obese individuals are more likely to show insulin resistance (IR). However, limited population studies on marijuana use with markers of IR have yielded mixed results. The aim of this study was to examine the association of marijuana use with IR in US adults with different body mass index (BMI) status. METHODS: Data from the 2009 to 2016 National Health and Nutrition Examination Survey (NHANES) were abstracted. Minimal lifetime marijuana use was estimated using the duration of regular exposure and frequency of use. The association of marijuana use with both fasting insulin (FINS) and homeostasis model assessment of insulin resistance (HOMA-IR) was determined in lean, overweight, and obese individuals separately using generalized linear models. Interview weight years of data were used to account for the unequal probability of sampling and non-response. RESULTS: Of all 129 509 adults aged 18 to 59 years, 50.3% were women. In current obese marijuana consumers, mean FINS in those with less than four uses per month was 52% (95% confidence interval [CI] 19%-71%) lower than in never users. In former obese consumers with eight or more uses per month and who stopped marijuana use <12 months ago, mean FINS was 47% (95% CI 18%-66%) lower than in never users. Mean FINS in those who quit marijuana 12 to 119 and 120 months and more prior the survey was 36% (95% CI 7%-57%) and 36% (95% CI 10%-54%) lower, respectively. CONCLUSIONS: Marijuana use is associated with lower FINS and HOMA-IR in obese but not non-obese adults, even at low frequency of less than four uses per month. Former marijuana consumers with high lifetime use had significantly lower FINS levels that persisted, independent of the duration of time since last use.
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 | 0,001 |
| 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 ».