Osteocalcin serum concentrations and markers of energetic metabolism in pediatric patients. Systematic review and metanalysis
Notice bibliographique
Résumé
Background: Osteocalcin plays a role in glucose metabolism in mice, but its relevance in human energetic metabolism is controversial. Its relationship with markers of energetic metabolism in the pediatric population has not been systematically addressed in infants and adolescents. Objective: This study aims to assess the mean differences between tOC, ucOC, and cOC among healthy children and children with type 1 or type 2 diabetes (T1D or T2D) and the correlation of these bone molecules with metabolic markers. Methods: A systematic review and metanalysis were performed following PRISMA criteria to identify relevant observational studies published in English and Spanish using PubMed, Scopus, EBSCO, and Web of Science databases. The risk of bias was assessed using New Castle-Ottawa scale. Effect size measures comprised standardized mean difference (SMD) and Pearson correlations. Heterogeneity and meta-regressions were performed. Results: The 20 studies included were of high quality and comprised 3,000 pediatric patients who underwent tOC, cOC, or ucOC measurements. Among healthy subjects, there was a positive correlation of ucOC with WC and weight, a positive correlation of tOC with FPG, HDL-c, WC, height, and weight, and a negative correlation between tOC and HbA1c. Among diabetic subjects, a negative correlation of ucOC with HbA1c and glycemia in both T1D and T2D was found and a negative correlation between tOC and HbA1c in T1D but not in T2D. The ucOC concentrations were lower in T2D, T1D, and patients with abnormal glucose status than among controls. The serum concentrations of tOC concentrations were lower among T1D than in controls. The patient's age, altitude, and HbA1c influenced the levels of serum tOC. Conclusion: Osteocalcin is involved in energy metabolism in pediatric subjects because it is consistently related to metabolic and anthropometric parameters. Systematic Review Registration: https://www.crd.york.ac.uk/prospero/, identifier: CRD42019138283.
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 | 0,014 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,032 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».