Associations of Long-Term Exposure to Temperature Variability with Glucose Metabolism: Results from KORA F4 and FF4
Notice bibliographique
Résumé
The impact of rising temperature variability driven by climate change on metabolic health remains understudied, especially considering the global increase in diabetes prevalence, with long-term effects on glucose metabolism unexplored. This study investigated associations between long-term temperature variability exposure and glucose metabolism in a population-based cohort of 2997 participants (4954 observations) over a 7-year period from KORA F4 and FF4 cohorts in Augsburg, Germany. Long-term exposure to temperature variability was estimated as the standard deviation of the daily mean air temperature over the 365-day period preceding each examination. We applied generalized estimating equations to examine the longitudinal associations between long-term exposure to temperature variability and multiple glucose metabolism biomarkers: fasting glucose, 2h glucose, fasting insulin, homeostasis model assessment of insulin resistance (HOMA-IR), homeostasis model assessment of β-cell function (HOMA-B), quantitative insulin sensitivity check index (QUICKI), and glycated hemoglobin (HbA1c). We found that a 1 °C higher temperature variability was significantly associated with higher fasting insulin, HOMA-IR, and HbA1c with % changes (95% CI) of 2.62 (0.79; 4.49), 2.81 (0.79; 4.87), and 2.38 (1.97; 2.79), respectively, and lower QUICKI (-0.41 [-0.70; -0.11]). These findings suggest that increasing temperature variability exposure may contribute to metabolic dysfunction, potentially accelerating the global diabetes epidemic.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».