Ferritin is a potential marker of cardiometabolic risk in adolescents and young adults with sleep-disordered breathing
Notice bibliographique
Résumé
Abstract Objective To explore markers that reflect sleep-disordered breathing (SDB) severity and investigate their associations with cardiometabolic risk factors in adolescents and young adults. Methods Participants were recruited from our SDB epidemiological cohort. They underwent overnight polysomnography and ambulatory blood pressure (BP) monitoring. Complete blood count, ferritin, high-sensitivity C-reactive protein (hs-CRP), fasting blood glucose, and lipid profile were measured. Multiple linear regression was used to examine the association between red cell indices (RCIs), ferritin, and obstructive apnea-hypopnea index (OAHI). Subgroup analyses on participants with SDB were performed for the association of RCIs and ferritin with lipid profile, hs-CRP, and BP. Results There were 88 participants with SDB and 155 healthy controls aged 16–25 years. Hemoglobin (Hb; p < .001), hematocrit (HCT; p < .001), and ferritin (p < .001) were elevated with increasing SDB severity and were independently associated with OAHI (β=1.06, p < .001; β=40.2, p < .001; β=4.89 × 10−3, p = .024, respectively). In participants with SDB, after adjusting for age, sex, and BMI, significant associations were found between ferritin with low-density lipoprotein (LDL; β=0.936 × 10−3, p = .008) and triglyceride (TG; β =1.08 × 10−3, p < .001), as well as between Hb (β=1.40, p = .007), HCT (β=51.5, p = .010) and mean arterial pressure (MAP). Ferritin (β=0.091, p = .002), Hb (β=0.975, p = .005), and HCT (β=38.8, p = .004) were associated with hs-CRP independent of age, sex, BMI, plasma LDL, and MAP. OAHI was not associated with LDL and TG in the multivariable models. Conclusions Serum ferritin, but not OAHI, was associated with LDL and TG in participants with SDB, suggesting it is a potential marker of cardiometabolic risk in patients with SDB.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».