Elevated inflammation supra-additively promotes the progression from prediabetes to diabetes: a prospective cohort study
Notice bibliographique
Résumé
Background: Factors impacting on the conversion of prediabetes to diabetes or normoglycemia remain unclear. This study aimed to investigate the role of subclinical inflammation, assessed by high-sensitivity C-reactive protein (hsCRP), in the progression to diabetes from prediabetes, assessed by impaired fasting glucose (IFG). Methods: Time-to-event survival analyses were conducted among 82 475 participants without diabetes from Kailuan Study (a real-life prospective cohort in China) to access the isolated and joint effect of hsCRP and IFG on diabetes risk, and quantify their relative contribution to incident diabetes. Results: Over a median 11-year follow-up, 14 215 diabetes cases were recorded. IFG and hsCRP independently and jointly increased diabetes risk. Diabetes incidence was higher in those with elevated inflammation (hsCRP≥2 mg/L: 90.45 vs. 66.76 per 1000 person-years). The joint effect risk (hazard ratios (HR) = 4.96; 95% confidence interval (CI) = 4.66-5.28) exceeded the sum of individual risks (HR = 4.29; 95% CI = 4.09-4.49 for IFG and HR = 1.11; 95% CI = 1.06-1.16 for elevated inflammation), with a relative excess risk due to interaction of 0.56 (95% CI = 0.23-0.89). Attributable proportions were 83.08% for IFG, 2.78% for hsCRP, and 14.14% for their interaction. The joint risks and the additive interaction were significant in both men and women, and were more pronounced among individuals aged <60 years than those aged ≥60 years. Conclusions: Elevated inflammation synergistically amplifies diabetes risk in prediabetes among Chinese adults, particularly in those <60 years.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».