Maternal exposure to bisphenols, phthalates, perfluoroalkyl acids, and trace elements and their associations with gestational diabetes mellitus in the APrON cohort
Notice bibliographique
Résumé
The increasing global prevalence of gestational diabetes mellitus (GDM) has been hypothesized to be associated with maternal exposure to environmental chemicals. Here, among 420 women participating in the Alberta Pregnancy Outcomes and Nutrition (APrON) cohort study, we examined associations between GDM and second trimester blood or urine concentrations of endocrine disrupting chemicals (EDCs): bisphenol-A (BPA), bisphenol-S (BPS), twelve phthalate metabolites, eight perfluoroalkyl acids (PFAAs), and eleven trace elements. Fifteen (3.57%) of the women were diagnosed with GDM, and associations between the environmental chemical exposures and GDM diagnosis were examined using multiple logistic and LASSO regression analyses in single- and multi-chemical exposure models, respectively. In single chemical exposure models, BPA and mercury were associated with increased odds of GDM, while a significant inverse association was observed for zinc. Double-LASSO regression analysis selected mercury (AOR: 1.51, CI: 1.12-2.02), zinc (AOR: 0.017, CI: 0.0005-0.56), and perfluoroundecanoic acid (PFUnA), a PFAAs, (AOR: 0.43, CI: 0.19-0.94) as the best predictors of GDM. The combined data for this Canadian cohort suggest that second trimester blood mercury was a robust predictor of GDM diagnosis, whereas blood zinc and PFUnA were protective factors. Research into mechanisms that underlie the associations between mercury, zinc, PFUnA, and the development of GDM is needed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».