Hypomagnesemia and the Metabolic Syndrome among Apparently Healthy Kuwaiti Adults: A Cross-Sectional Study
Notice bibliographique
Résumé
Magnesium plays a key role in metabolic disorder development, and hypomagnesemia may be implicated in the pathogenesis of metabolic syndrome (MetS) and its components. In this cross-sectional study, we investigated the associations between hypomagnesemia, MetS, and MetS components among 231 adults (193 women and 38 men) living in Kuwait who were apparently healthy without chronic diseases. We used the International Diabetes Federation (IDF) and the United States National Cholesterol Education Program Adult Treatment Panel III (ATP III) criteria to define participants with MetS. The Ministry of Health cutoff for hypomagnesemia (<0.74 mmol/L) was employed. IDF- and ATP III-defined MetS prevalence was 22.1% and 15.2%, respectively. Hypomagnesemia occurred in 33.3% of all participants and 53.2% of participants with MetS (p < 0.001). Magnesemia correlated negatively with body mass index, waist circumference, systolic blood pressure [SBP], diastolic blood pressure (DBP), fasting blood glucose (FBG), low-density lipoprotein cholesterol level, and triglyceride level; magnesemia correlated positively with high-density lipoprotein cholesterol (HDL-C) levels (p < 0.001). Multivariate logistic regression, adjusting for BMI, age, and sex, showed that hypomagnesemia was associated with a 12- and 5-fold greater odds of getting IDF-defined (adjusted odds ratio [aOR] 11.70; 95% confidence interval [CI] 4.87−28.14) and ATP-defined (aOR 5.44; 95% CI 2.10−14.10) MetS, respectively, in the study population. Hypomagnesemia was significantly associated with a 3.62, 9.29, 7.01, 2.88, 3.64, and 3.27 higher odds of an increased waist circumference (95% CI 1.48−8.85), elevated serum triglyceride level (95% CI 3.97−21.73), elevated FBG (95% CI 3.25−15.11), elevated SBP (95% CI 1.16−7.11), elevated DBP (95% CI: 1.22−10.89), and lowered HDL-C level (95% CI 1.69−6.32), respectively. Hypomagnesemia could be a consequence of the pathophysiology of MetS and its individual components among adults in Kuwait.
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 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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».