Phenotypic spectrum of polycystic ovary syndrome and their relationship to the circadian biomarkers, melatonin and cortisol
Notice bibliographique
Résumé
OBJECTIVE: Firstly, to investigate whether polycystic ovary syndrome (PCOS) shows a continuum of severity with increasing number of phenotypic features comprising the Rotterdam criteria for PCOS and secondly, to explore relationships of these phenotypes to the circadian biomarkers, cortisol and melatonin. BACKGROUND: Studies characterizing the spectrum of PCOS subphenotypes give little emphasis to the distinction among women who manifest zero, one or two of the three phenotypic features comprising the Rotterdam criteria. The relationship of circadian biomarkers to PCOS phenotypes is unclear. DESIGN: Cross-sectional study of 321 participants from 2011 to 2016 conducted at the National University Hospital (NUH), Singapore. PARTICIPANTS: Participants included women who attended a health screen for NUH staff, volunteers from the university community, and women referred for possible PCOS from gynaecological clinics at NUH and KK Women's and Children's Hospital (Singapore). METHODS: All participants underwent a physical examination, ovarian ultrasound scan and follicular-phase blood testing, and completed a health and lifestyle questionnaire. RESULTS: A significant positive linear trend in all clinical and biochemical characteristics of PCOS with increasing number of phenotypic features comprising the Rotterdam criteria. We observed a similar trend in serum cortisol and melatonin, two biomarkers of the circadian rhythm. CONCLUSION: PCOS may not be an "all-or-none" condition, but rather a continuous spectrum. The positive relationship between number of PCOS criteria with melatonin and cortisol merits further investigation on the role of circadian biorhythms in the pathogenesis of PCOS.
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 | 0,000 | 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 ».