Comparative lipidomic profiling in adolescents with obesity and adolescents with type 1 diabetes
Notice bibliographique
Résumé
OBJECTIVE: Both adolescents with obesity and those with type 1 diabetes (T1D) exhibit alterations in lipid profiles, but direct comparisons are limited. Comparing lipidomic profiles between obese individuals and those with T1D is crucial for identifying specific metabolic markers, informing tailored interventions, and advancing precision medicine strategies for these distinct populations. The aim of the study was to compare lipidomic profiles between adolescents with obesity and those with T1D, and to analyze associations between metabolites and clinical parameters. METHODS: We included 156 adolescents aged 11-18 years (59.6% girls) from the HEPAFIT (n=114, obesity) and Diactive-1 Cohort (n=42, T1D) studies. Clinical measures included anthropometrics, body composition, lipids, liver enzymes, glucose, and HbA1c. Lipidomic analysis of 277 serum/plasma metabolites used UHPLC-MS. RESULTS: Distinct lipid profiles were seen, with higher diglycerides, triglycerides, and certain phosphatidylinositols in the obesity group, while phosphatidylcholines, phosphatidylethanolamines, cholesterol esters, sphingomyelins, and ceramides were elevated in T1D. Triglycerides acyl chain lengths and saturation levels also varied. Multivariate analysis identified seven metabolites -PC(O-18:1/18:1), PC(O-18:1/22:4), PE(O-16:0/18:1), PE(18:2e/22:6), PC(40:1), PC(O-22:1/20:4), and PE(P-18:0/18:1)- significantly associated with clinical parameters. CONCLUSIONS: Distinct lipid profiles were observed among adolescents with obesity and T1D in the study, emphasizing the importance of understanding specific metabolite associations with clinical parameters for more precise health management.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 ».