Proinsulin is sensitive to reflect glucose intolerance
Notice bibliographique
Résumé
AIMS/INTRODUCTION: We investigated associations between glucose tolerance and β-cell function using a series of estimation methods in a population-based study. MATERIALS AND METHODS: Data from the Dynamics of Lifestyle and Neighborhood Community on Health Study were analyzed. A total of 489 participants (263 women) were divided into three groups: normal glucose tolerance (NGT), prediabetes (PDM) and diabetes group. We estimated β-cell function by the homeostasis model assessment of β-cell function, proinsulin level (PI), C-peptide index, proinsulin-to-C-peptide ratio (PI/CPR) and proinsulin-to-insulin ratio. Because data on all five parameters of β-cell function showed skewed distributions, the values of these parameters were normalized by natural logarithmic (ln) transformation. Next, the association between glucose tolerance and β-cell function among participants without diabetes was examined. In this analysis, glucose tolerance was assessed based on glycated hemoglobin levels. RESULTS: In the crude analysis, ln(PI) and ln(PI/CPR) were significantly higher in the diabetes group than those in the PDM and NGT groups, and these parameters were significantly higher in the PDM group than in the NGT group. Only ln(PI) in the PDM group was significantly higher compared with that in the NGT group after adjustment for age, sex and body mass index (ln[PI]: PDM group 2.38 pmol/L, 95% confidence interval 2.29-2.47 pmol/L; NGT group 2.17 pmol/L, 95% confidence interval 2.12-2.22 pmol/L; P < 0.05). In addition, ln(PI) levels were significantly and positively correlated with glycated hemoglobin quartile in participants without diabetes. CONCLUSIONS: Our results showed that PI was the most sensitive to reflect glucose intolerance.
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) | 0,001 | 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 ».