Association of climatic determinants with Type 1 and Type 2 Diabetes worldwide: Night length and photoperiod variation linked to T1D and sunshine to T2D
Notice bibliographique
Résumé
Abstract Nearly 500 million individuals are affected by diabetes worldwide. This very high prevalence is combined with a North-South gradient and a seasonality of diagnostics which all suggest the role of climate in diabetes etiology. However, only little is known about the impact of climate on diabetes. This article aims to understand the association of climatic variables with type 1 and type 2 diabetes (T1D and T2D) for 72 countries worldwide (1989-2021). T1D is, on average, more prevalent at extreme latitudes whereas T2D prevalence is higher near equator ( P < 0,001). Sunshine, temperature, solar irradiance and daylength (photoperiod) are negatively associated with T1D prevalence and positively associated with T2D in simple regression ( P < 0,001). Multicollinearity of climatic variables is considered as a challenge, and it is assessed with VIF and optimized with multiple regression. After adjustment, only photoperiod is associated with T1D prevalence (r 2 =0,45) and sunshine with T2D prevalence (r 2 =0,48). T1D monthly incidences are approximated with a cosine regression (RR=1,53) which is significantly associated with photoperiod along the year in Europe ( P < 0,05). The relation between photoperiod and T1D has never been reported before in an ecological study and a short review is developed in the discussion.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,000 |
| 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) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».