Blood Chromium Levels and Their Association with Cardiovascular Diseases, Diabetes, and Depression: National Health and Nutrition Examination Survey (NHANES) 2015–2016
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Currently, there is no global consensus about the essentiality of dietary chromium. To provide evidence to this debate, an examination of blood chromium levels and common chronic health conditions was undertaken. Using a subsample from the 2015−2016 US National Health and Nutrition Examination Survey (n = 2894; 40 years+), chi-square and binary logistic regression analyses were conducted to examine blood chromium levels (0.7−28.0 vs. <0.7 µg/L) and their associations with cardiovascular diseases (CVDs; self-report), diabetes mellitus (DM; glycohemoglobin ≥5.7%), and depression (Patient Health Questionnaire-9 score ≥5), while controlling for socio-demographic (age/sex/income/education/relationship status) and health-related (red blood cell folate/medications/co-morbidities/body mass index (BMI)/substance use) factors. The sample was almost evenly distributed between men and women (n = 1391, 48.1% (men); n = 1503, 51.9% (women)). The prevalence estimates of low blood chromium levels tended to be higher among those with CVDs (47.4−47.6%) and DM (50.0−51.6%). Comparisons between those with low vs. normal blood chromium levels indicate men have increased odds of CVDs (adjusted odds ratio (aOR) = 1.86, 95% confidence interval (CI): 1.22−2.85, p < 0.001) and DM (aOR = 1.93, 95% CI: 1.32−2.83, p < 0.001) and lower odds of depression (aOR = 0.42, 95% CI: 0.22−0.77, p < 0.05). Dietary chromium may be important in the prevention and management of CVDs and DM for men. Continued exploration of chromium’s role in chronic diseases, including differences by biological factors, is needed.
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.
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 | 0,001 | 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 découle