MétaCan
Menu
Retour à la cohorte
Enregistrement W4387765637 · doi:10.1097/jom.0000000000003000

Exposure to Perfluoroalkyl Substances and Hyperlipidemia Among Adults

2023· article· en· W4387765637 sur OpenAlexaff
Weilong Xing, Mengyuan Liang, Wen Gu, Zhen Wang, Deling Fan, Bing Zhang, Shuai Sun, Lei Wang, Lili Shi

Notice bibliographique

RevueJournal of Occupational and Environmental Medicine · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePer- and polyfluoroalkyl substances research
Établissements canadiensInstitute of Particle Physics
Organismes subventionnairesnon disponible
Mots-clésHyperlipidemiaQuartileNational Health and Nutrition Examination SurveyOdds ratioMedicineLogistic regressionEpidemiologyInternal medicinePopulationEnvironmental healthEndocrinologyConfidence intervalDiabetes mellitus

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The present study aims to explore the relationship between perfluoroalkyl substances (PFAS) exposure and hyperlipidemia using data from the National Health and Nutrition Examination Survey. METHODS: A total of 1600 subjects were included in the analysis, and nine kinds of PFAS were measured. Multivariate logistic regression analysis was performed to explore the association between serum PFAS and hyperlipidemia. RESULTS: Compared with the lowest quartile of perfluoromethylheptane sulfonic acid isomers (Sm-PFOS), the percentage change for hyperlipidemia was 57% and 41% in the third and highest quartile of PFOS. The positive association between Sm-PFOS and hyperlipidemia remained significant in population younger than 60 years, and the odds ratio for hyperlipidemia in fourth quartile of Sm-PFOS was 1.81. CONCLUSIONS: These findings indicated that serum Sm-PFOS was independently associated with a higher risk for hyperlipidemia. The epidemiological study warrants further study to elucidate the causal relationship between them.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,282
Écart entre enseignants0,262 · 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Occupational and Environmental MedicineMême sujetPer- and polyfluoroalkyl substances researchTravaux en français237 207