Vitamin D levels, prediabetes risk and hemoglobin A1c levels in young non‐diabetic Saudi women
Notice bibliographique
Résumé
AIMS/INTRODUCTION: Vitamin D levels are negatively correlated with prediabetes risk and hemoglobin A1c levels in individuals with prediabetes. The data are, however, scarce and inconsistent among different populations. We aimed to assess the association of vitamin D with prediabetes risk and hemoglobin A1c levels in young Saudi women with normoglycemia and prediabetes. MATERIALS AND METHODS: We analyzed the data of individuals without diabetes (without diabetes history and hemoglobin A1c <6.4%) from the Princess Nourah bint Abdulrahman University's non-communicable diseases student registry. Demographic data, anthropometric and blood pressure measurements, and hemoglobin A1c and vitamin D results were retrieved and analyzed. RESULTS: In total, 345 participants were included in the analysis. The prediabetes status showed no association with vitamin D levels, but it was significantly associated with the participants' weight and body mass index. Additionally, there was no correlation between the levels of vitamin D and hemoglobin A1c across the whole population, even after correction for body mass index. However, in the body mass index subgroups, when individuals with potentially harmful levels of vitamin D (>125 nmol/L) were excluded, a positive association was detected between vitamin D and hemoglobin A1c levels in the underweight individuals. Hemoglobin A1c values showed a positive correlation only with bodyweight and body mass index. CONCLUSIONS: Vitamin D levels did not predict prediabetes status and showed no correlation with hemoglobin A1c levels in this population. Vitamin D levels' effect on the risk of prediabetes might be small compared with other well-established risk factors, such as obesity.
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 | 0,005 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».