Genetic predisposition to adiposity, and type 2 diabetes: the role of lifestyle and phenotypic adiposity
Notice bibliographique
Résumé
AIMS: Genetic predisposition to adiposity is associated with type 2 diabetes (T2D), even in the absence of phenotypic adiposity (obesity and central obesity). We aimed to quantify the overall contribution of obesity and modifiable lifestyle factors to the association between genetic predisposition to adiposity and the development of T2D. METHODS: This prospective cohort study involved 220 703 White British participants from the UK Biobank. It examined the associations between genetic predisposition to adiposity [body mass index polygenic risk (BMI-PRS) and waist-hip ratio polygenic risk (WHR-PRS)] and incident T2D, as well as interactions and mediation via lifestyle factors (diet quality, physical activity levels, total energy intake, sleep duration, and smoking and alcohol intake) and phenotypic adiposity. RESULTS: People with high phenotypic adiposity and high adiposity PRS values (>1 SD above the mean) had the highest risk of incident T2D (versus non-obese/central obese and non-high PRS). This was the case for BMI-PRS [hazard ratio (HR) = 3.72] and WHR-PRS (HR = 4.17). Lifestyle factors explained 30.5% of the BMI-PRS/T2D association (2.0% mediation; 28.5% effect modification), and lifestyle and obesity together explained 92.1% (78.8% mediation; 13.3% effect modification). Lifestyle factors explained 20.4% of the WHR-PRS/T2D association (3.4% mediation; 17.0% effect modification), and lifestyle and central obesity together explained 72.8% (41.1% mediation; 31.7% effect modification). CONCLUSIONS: Whilst phenotypic adiposity explains a large proportion of the association between BMI-PRS/WHR-PRS and T2D, modifiable lifestyle factors also make contributions. Promoting healthy lifestyles among people prone to adiposity is important in reducing the global burden of T2D.
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 | 0,000 | 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 ».