MétaCan
Menu
Retour à la cohorte
Enregistrement W3164426513 · doi:10.1186/s12944-021-01497-7

High-density Lipoprotein Cholesterol Is Negatively Correlated with Bone Mineral Density and Has Potential Predictive Value for Bone Loss

2021· article· en· W3164426513 sur OpenAlexaff
Yuchen Tang, Shenghong Wang, Qiong Yi, Yayi Xia, Bin Geng

Notice bibliographique

RevueLipids in Health and Disease · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueBone health and osteoporosis research
Établissements canadiensNexen (Canada)
Organismes subventionnairesNatural Science Foundation of Gansu ProvinceNational Natural Science Foundation of ChinaLanzhou University
Mots-clésOsteopeniaBone mineralNational Health and Nutrition Examination SurveyClinical nutritionMedicineOsteoporosisInternal medicineEndocrinologyBayesian multivariate linear regressionLogistic regressionBone densityHigh-density lipoproteinLinear regressionCholesterolMathematicsStatisticsPopulationEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Many studies have shown that lipids play important roles in bone metabolism. However, the association between high-density lipoprotein cholesterol (HDL-C) and bone mineral density (BMD) is unclear. Therefore, this study aimed to investigate the linear or nonlinear relation between HDL-C levels and BMD and addressed whether the HDL-C levels had the potential values for predicting the risk of osteoporosis or osteopenia. METHODS: Two researchers independently extracted all information from the National Health and Nutrition Examination Survey (NHANES) database. Participants over 20 years of age with available HDL-C and BMD data were enrolled in the final analysis. The linear relationship between HDL-C levels and BMD was assessed using multivariate linear regression models. Moreover, the nonlinear relationship was also characterized by fitted smoothing curves and generalized additive models. In addition, the odds ratio (OR) for osteopenia and osteoporosis was evaluated with multiple logistic regression models. RESULTS: The weighted multivariable linear regression models demonstrated that HDL-C levels displayed an inverse association with BMD, especially among females and subjects aged 30 to 39 or 50 to 59. Moreover, the nonlinear relationship characterized by smooth curve fittings and generalized additive models suggested that (i) HDL-C levels displayed an inverted U-shaped relationship with BMD among women 30 to 39 or over 60 years of age; (ii) HDL-C levels exhibited a U-shaped association with BMD among women 20 to 29 or 50 to 59 years of age. In addition, females with high HDL levels (62-139 mg/dL) had an increased risk of osteopenia or osteoporosis. CONCLUSION: This study demonstrated that HDL-C levels exhibit an inverse correlation with BMD. Especially in females, clinicians need to be alert to patients with high HDL-C levels, which may indicate an increased risk of osteoporosis or osteopenia. For these patients, close monitoring of BMD and early intervention may be necessary.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,018
Tête enseignante GPT0,289
Écart entre enseignants0,271 · 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'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

Citations71
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLipids in Health and DiseaseMême sujetBone health and osteoporosis researchTravaux en français237 207