Blood glucose variance measured by continuous glucose monitors across the menstrual cycle
Notice bibliographique
Résumé
Past studies on how blood glucose levels vary across the menstrual cycle have largely shown inconsistent results based on limited blood draws. In this study, 49 individuals wore a Dexcom G6 continuous glucose monitor and a Fitbit Sense smartwatch while measuring their menstrual hormones and self-reporting characteristics of their menstrual cycles daily. The average duration of participation was 79.3 ± 21.2 days, leading to a total of 149 cycles and 554 phases in our dataset. We use periodic restricted cubic splines to evaluate the relationship between blood glucose and the menstrual cycle, after which we assess phase-based changes in daily median glucose level and associated physiological parameters using mixed-effects models. Results indicate that daily median glucose levels increase and decrease in a biphasic pattern, with maximum levels occurring during the luteal phase and minimum levels occurring during the late-follicular phase. These trends are robust to adjustments for participant characteristics (e.g., age, BMI, weight) and self-reported menstrual experiences (e.g., food cravings, bloating, fatigue). We identify negative associations between each of daily estrogen level, step count, and low degrees of fatigue with higher median glucose levels. Conversely, we find positive associations between higher food cravings and higher median glucose levels. This study suggests that blood glucose could be an important parameter for understanding menstrual health, prompting further investigation into how the menstrual cycle influences glucose fluctuation.
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 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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».