MétaCan
Menu
Retour à la cohorte
Enregistrement W3161744331 · doi:10.1016/j.envint.2021.106621

Environmental exposure to perfluoroalkyl substances in early pregnancy, maternal glucose homeostasis and the risk of gestational diabetes: A prospective cohort study

2021· article· en· W3161744331 sur OpenAlexaff
Guoqi Yu, Minfei Jin, Ying Huang, Ruxianguli Aimuzi, Tao Zheng, Min Nian, Ying Tian, Weiye Wang, Zhong‐Cheng Luo, Lisong Shen, Xipeng Wang, Qing Du, Weiping Xu, Jun Zhang

Notice bibliographique

RevueEnvironment International · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePer- and polyfluoroalkyl substances research
Établissements canadiensMount Sinai HospitalUniversity of TorontoLunenfeld-Tanenbaum Research Institute
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésGestational diabetesPregnancyGlucose homeostasisProspective cohort studyMedicinePerfluorooctaneEndocrinologyInternal medicineOffspringDiabetes mellitusConfoundingObstetricsGestationPhysiologyChemistryInsulin resistanceBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Humans are widely exposed to environmental perfluoroalkyl substances (PFAS), which may affect glucose homeostasis. However, research linking PFAS exposure to glucose homeostasis during pregnancy is limited and the results were inconsistent. We aimed to investigate the association between PFAS exposure and glucose homeostasis in pregnancy in a large prospective cohort. METHODS: A total of 2747 pregnant women who participated in the Shanghai Birth Cohort, had blood samples in early pregnancy and completed a 75 g oral glucose tolerance test (OGTT) at 24-28 gestational weeks were included. 10 PFAS were determined by high-performance liquid chromatography/tandem mass spectrometry (HPLC/MS-MS) in the plasma samples in early pregnancy. Logistic regression was used to explore the associations between PFAS concentrations and gestational diabetes mellitus (GDM), while multiple linear regression was used to model the associations between PFAS and OGTT fasting, 1-h and 2-h glucose levels. Potential confounders were adjusted. Bayesian kernel machine regression (BKMR) and a quantile-based g-computation approach (qgcomp) were employed to explore the joint and independent effects of PFAS on glucose homeostasis. RESULTS: The incidence of GDM was 11.8%. One log-unit increment in plasma concentrations in early pregnancy was associated with an increased risk of GDM for perfluorobutane sulfonate (PFBS) (adjusted odd ratio (aOR) = 1.23, 95% confidence interval (95% CI): 1.05, 1.44) and perfluoroheptanoic acid (PFHpA) (aOR = 1.25, 95% CI: 1.07, 1.46). Perfluorooctane sulfonic acid (PFOS), perfluorononanoic acid (PFNA), perfluorodecanoic acid (PFDA), perfluorohexanesulfonate (PFHxS) and PFHpA were positively correlated with 1-h and 2-h glucose levels. Results of the mixed exposure model showed that the joint effects of PFAS were significantly associated with abnormal glucose homeostasis; In the BKMR model, PFAS mixture exposure was positively associated with the GDM incidence, 1-h and 2-h glucose levels and negatively correlated with FBG level. A similar trend could be observed in qgcomp and the positive correlation between PFAS and 2-h glucose level was significant (β = 0.12, 95% CI: 0.04, 0.20). PFOS, PFNA and PFHpA may be the main contributors after controlling for other PFAS congeners. PFOS was significantly correlated with GDM incidence and 2-h glucose level, and PFHpA was significantly associated with FBG and 2-h glucose levels. The above associations were more prominent among women with a normal prepregnant BMI. CONCLUSIONS: Environmental exposure to PFAS may affect glucose homeostasis in pregnancy and increase the risk of GDM, especially in normal weight women.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,224
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations135
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment InternationalMême sujetPer- and polyfluoroalkyl substances researchTravaux en français237 207