MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386116203 · doi:10.2196/49652

Association Between Urinary Bisphenols and Body Composition Among American Adults: Cross-Sectional National Health and Nutrition Examination Survey Study

2023· article· en· W4386116203 sur OpenAlexvenueno aff
Jiakun Li, Zilong Zhang, Chichen Zhang, Qiyu Zhu, Jing Zhao, Hui Zong, Qi Deng, Jiaming Zheng, Erman Wu, Rongrong Wu, Tong Tang, Yihang Zhang, Qiaosen Dong, Yifan Li, Jiao Wang, Lu Yang, Shi Qiu, Bairong Shen, Qiang Wei

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEffects and risks of endocrine disrupting chemicals
Établissements canadiensnon disponible
Organismes subventionnairesSichuan University
Mots-clésNational Health and Nutrition Examination SurveyQuartileMedicineCross-sectional studyLean body massBody mass indexConfoundingEnvironmental healthPopulationInternal medicineConfidence intervalPathologyBody weight

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Bisphenol A (BPA), bisphenol S (BPS), and bisphenol F (BPF) are widely used in various consumer products. They are environmental contaminants with estrogenic properties that have been linked to various health outcomes. Understanding their impact on body composition is crucial for identifying potential health risks and developing preventive strategies. However, most current studies have only focused on their relationship with BMI. OBJECTIVE: This study aimed to investigate the association between urinary levels of BPA, BPS, and BPF and body composition, including BMI, lean mass, and fat mass, in a large population-based sample. METHODS: We conducted a cross-sectional analysis using data from the National Health and Nutrition Examination Survey 2003-2016. Body composition data were assessed using dual-energy X-ray absorptiometry, which provided precise measurements of lean mass, fat mass, and other indicators. We used multivariate linear regression models to estimate the associations, adjusting for potential confounders such as age, gender, race, socioeconomic factors, and lifestyle variables. RESULTS: The results revealed significant associations between bisphenol exposure and body composition. After adjusting for covariates, BPS showed a positive association with BMI, with quartiles 3 and 4 having 0.91 (95% CI 0.34-1.48) and 1.15 (95% CI 0.55-1.74) higher BMI, respectively, compared with quartile 1 (P<.001). BPA was negatively associated with total lean mass (TLM) and appendicular lean mass, with quartiles 2, 3, and 4 having -7.85 (95% CI -11.44 to -4.25), -12.33 (95% CI -16.12 to -8.54), and -11.08 (95% CI -15.16 to -7.01) lower TLM, respectively, compared with quartile 1 (P<.001). BPS was negatively associated with TLM, with quartiles 3 (β=-10.53, 95% CI -16.98 to -4.08) and 4 (β=-11.14, 95% CI -17.83 to -4.45) having significantly lower TLM (P=.005). Both BPA and BPS showed a positive dose-response relationship with trunk fat (BPA: P=.002; BPS: P<.001) and total fat (BPA: P<.001; BPS: P=.01). No significant association was found between BPF and any body composition parameter. CONCLUSIONS: This large-sample study highlights the associations between urinary levels of BPA and BPS and alterations in body composition, including changes in lean mass, fat mass, and regional fat distribution. These findings underscore the importance of understanding the potential health risks associated with bisphenol exposure and emphasize the need for targeted interventions to mitigate adverse effects on body composition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,375
Écart entre enseignants0,350 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and Surveillance→Même sujetEffects and risks of endocrine disrupting chemicals→Travaux en français237 207→