Aromatic Amino Acids and Their Interactions with Gut Microbiota-Related Metabolites for Risk of Gestational Diabetes: A Prospective Nested Case-Control Study in a Chinese Cohort
Notice bibliographique
Résumé
INTRODUCTION: The aim of this study was to explore associations of aromatic amino acids (AAA) in early pregnancy with gestational diabetes mellitus (GDM), and whether high AAA and gut microbiota-related metabolites had interactive effects on GDM risk. METHODS: We conducted a 1:1 case-control study (n = 486) nested in a prospective cohort of pregnant women from 2010 to 2012. According to the International Association of Diabetes and Pregnancy Study Group's criteria, 243 women were diagnosed with GDM. Binary conditional logistic regression was performed to examine associations of AAA with GDM risk. Interactions between AAA and gut microbiota-related metabolites for GDM were examined using additive interaction measures. RESULTS: High phenylalanine and tryptophan were associated with increased GDM risk (OR: 1.72, 95% CI: 1.07-2.78 and 1.66, 1.02-2.71). The presence of high trimethylamine (TMA) markedly increased the OR of high phenylalanine alone up to 7.95 (2.79-22.71), while the presence of low glycoursodeoxycholic acid (GUDCA) markedly increased the OR of high tryptophan alone up to 22.88 (5.28-99.26), both with significant additive interactions. Furthermore, high lysophosphatidylcholines (LPC18:0) mediated both interactive effects. CONCLUSIONS: High phenylalanine may have an additive interaction with high TMA, while high tryptophan may have an additive interaction with low GUDCA toward increased risk of GDM, both being mediated via LPC18:0.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».