Body Muscle-to-Fat Ratio, Rather Than Fat-to-Muscle Ratio, Significantly Correlates With Measured Insulin Resistance in Patients With Type 2 Diabetes Mellitus
Notice bibliographique
Résumé
Background: Insulin resistance (IR) assessment is important in treating type 2 diabetes mellitus (T2DM). We thus compared body muscle-to-fat ratio (BMFR) and fat-to-muscle ratio (FMR) values against M/I values as clinical index of IR. Methods: Subject included 118 untreated T2DM patients. Hyperinsulinemic-euglycemic clamp examination was performed to calculate the M/I as index of IR. Body composition was measured by impedance analysis using InBody770. Results: Simple linear regression analyses confirmed correlations between M/I and BMFR (B: 0.756 (P < 0.01), coefficients of determination (R 2 ): 0.572, mean absolute error (MAE): 3.19, and root mean squared error (RMSE): 4.14), and between M/I and FMR (B: -0.601 (P < 0.01), R 2 : 0.362, MAE: 3.97, and RMSE: 5.05). Against the M/I values, BMFR also showed better goodness-of-fit than did FMR. In comparing correlation coefficients, the BMFR absolute B value was significantly larger than that of FMR (P = 0.027). Conclusions: BMFR is more useful than FMR in quantifying IR in patients with T2DM because the correlation between BMFR and the insulin sensitivity index M/I is significantly greater than that between FMR and M/I. J Clin Med Res. 2021;13(7):387-391 doi: https://doi.org/10.14740/jocmr4401
Conservé avec la notice de tri, où il sert de preuve aux étiquettes ci-dessus.
Comment cette classification a été obtenuedéplier
Le tri à trois modèles
les 5 600 travaux triés →Les trois modèles l'ont jugé hors champ.
Clinical study comparing body composition indices against measured insulin resistance in type 2 diabetes.
This clinical study compares body composition measures of insulin resistance, not research.
Clinical correlation of body composition ratios with insulin resistance in T2DM.
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».