Association between dietary selenium intake and the prevalence of prediabetes in Newfoundland population: a cross-sectional study
Notice bibliographique
Résumé
Introduction Emerging evidence highlights the role of selenium (Se) in glucose metabolism through selenoprotein-mediated antioxidant and anti-inflammatory pathways. However, population-specific data remains inconclusive. This study aims to investigate the association between dietary Se intake and prediabetes prevalence in Newfoundland, a population characterized by genetic homogeneity and high obesity rates (39.4%). Methods This cross-sectional study used data from 2,665 participants in the Complex Diseases in the Newfoundland Population: Environment and Genetics (CODING) study. Prediabetes was defined by the American Diabetes Association criteria for impaired fasting glucose (FPG: 5.6–6.9 mmol/L). Dietary Se intake was assessed using the Willett food frequency questionnaire and expressed as both absolute (μg/d) and body weight-adjusted (μg/kg/d) metrics. Multivariate logistic regression, generalized additive model regression, piecewise regression models, and subgroup stratification were employed to examine the association. Results The study revealed a significant inverse relationship between body weight-adjusted dietary Se intake (μg/kg/d) and prediabetes prevalence in the fully adjusted models, with a non-linear threshold effect observed at 1.42 μg/kg/d. Below this threshold, each 1-unit increase in dietary Se intake (μg/kg/d) reduced prediabetes risk by 69% (OR = 0.31, P < 0.001). However, such an association did not reach statistical significance beyond 1.42 μg/kg/d. Subgroup analyses demonstrated consistent inverse associations across age groups, family history of diabetes, and history of smoking. However, the association was statistically significant in females (OR = 0.10, p < 0.001) but not in males. Absolute dietary Se intake (μg/d) showed no significant correlation with prediabetes after adjustment. Discussion Weight-adjusted dietary Se intake (μg/kg/d) exhibits an inverse non-linear, threshold-dependent relationship with prediabetes risk in this high-risk population. The findings underscore the critical importance of body weight normalization in assessing Se’s metabolic effects and formulating Se guidelines.
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 | 0,001 | 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 ».