MétaCan
Menu
Retour à la cohorte
Enregistrement W3152510087 · doi:10.1002/lipd.12302

Triglyceride/High‐Density Lipoprotein Cholesterol Ratio: A Clue to Metabolic Syndrome, Insulin Resistance, and Severe Atherosclerosis

2021· review· en· W3152510087 sur OpenAlexafffund
Mahmoud Reza Azarpazhooh, Farid Najafi, Mitra Darbandi, Soushyant Kiarasi, Temilola Oduyemi, J. David Spence

Notice bibliographique

RevueLipids · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes, Cardiovascular Risks, and Lipoproteins
Établissements canadiensWestern University
Organismes subventionnairesCanadian Institutes of Health ResearchNational Institute of Neurological Disorders and StrokeKermanshah University of Medical Sciences
Mots-clésInsulin resistanceInternal medicineMetabolic syndromeMedicineEndocrinologyOdds ratioHigh-density lipoproteinTriglycerideHomeostatic model assessmentCholesterolInsulinDiabetes mellitus

Résumé

récupéré en direct d'OpenAlex

High serum levels of triglycerides (Tg) and low levels of high-density lipoprotein cholesterol (HDL-C) are characteristic of the Metabolic Syndrome (MetS). We assessed the ratio of Tg to HDL-C as a way to identify MetS and insulin resistance. We also evaluated its association with severity of carotid atherosclerosis. Data were analyzed from three cohorts totaling 13,908 participants. MetS was defined according to the International Diabetes Federation criteria. Optimal cut-off for Tg/HDL-C ratio was obtained using Youden's index in receiver-operating characteristic (ROC) curve analyses. The risk of MetS and IR in those with a Tg/HDL-C ratio above the optimum cutoff was evaluated by logistic regression analysis. A Tg/HDL-C ratio above the optimal cutoff level significantly increased the odds ratio for MetS in the three cohorts (OR 6.00, 4.04, and 3.50, least in the healthy population), identified insulin resistance defined by the homeostatic model of insulin resistance (HOMA-IR) (p < 0.0001), and was strongly associated with atherosclerosis severity (p = 0.0001). Tg/HDL-C ratio identifies persons with MetS, insulin resistance, and severe atherosclerosis. It should be used more widely to identify patients at high risk. This is clinically important because insulin resistance is treatable.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,275
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations59
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLipidsMême sujetDiabetes, Cardiovascular Risks, and LipoproteinsTravaux en français237 207