Two-dimensional Health State Map to define metabolic health using separated static and dynamic homeostasis features: a proof-of-concept study
Notice bibliographique
Résumé
ABSTRACT Defining metabolic health is critical for the earlier reversing of metabolic dysfunction and disease, and fasting-based diagnosis may not adequately assess an individual's metabolic adaptivity under stress. We constructed a novel Health State Map (HSM) comprising a Health Phenotype Score (HPS) with fasting features alone and a Homeostatic Resilience Score (HRS) with five time-point features only (t = 30, 60, 90, 180, 240 min) following a standardized mixed macronutrient tolerance test (MMTT). Among 111 Chinese adults, when the same set of fasting and post-MMTT data as for the HSM was used, the mixed-score was highly correlated with the HPS. The HRS was significantly associated with metabolic syndrome prevalence, independently of the HPS (OR [95% CI]: 0.41 [0.18, 0.92]) and the mixed-score (0.34 [0.15, 0.69]). Moreover, the HRS could discriminate metabolic characteristics unseparated by the HPS and the mixed-score. Participants with higher HRSs had better metabolic traits than those with lower HRSs. Large interpersonal variations were also evidenced by evaluating postprandial homeostatic resiliencies for glucose, lipids and amino acids when participants had similar overall HRSs. Additionally, the HRS was positively associated with physical activity level and specific gut microbiome structure. Collectively, our HSM model might offer a novel approach to precisely define an individual's metabolic health and nutritional capacity.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».