MétaCan
Menu
Retour à la cohorte
Enregistrement W148295557 · doi:10.1161/circ.125.suppl_10.ap179

Abstract P179: Abdominal Skin-fold Thickness Improves Anthropometric Prediction of Insulin Resistance in Prepubescent Colombian Children

2012· article· en· W148295557 sur OpenAlexaff
Noel T. Mueller, Mark A. Pereira, Adriana Buitrago-López, Diana Rodríguez, Álvaro E Durán, Álvaro Ruiz, Christian F. Rueda‐Clausen, Cristina Villa‐Roel

Notice bibliographique

RevueCirculation · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth and Lifestyle Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineAnthropometryWaistBody mass indexPercentileInsulin resistanceLogistic regressionDemographyHomeostatic model assessmentPopulationWaist-to-height ratioInternal medicineObesityStatisticsMathematicsEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Introduction: Body mass index (BMI), waist circumference (WC), and waist-to-height ratio (WHtR), have been considered poor measures of cardiometabolic risk in children, in whom increases in these measures may reflect increases in lean mass more so than fat mass. Hypothesis: We examined the hypothesis that abdominal skinfolds (ASF) have better predictive value than BMI and other anthropometric measures for identifying insulin resistance (IR) in prepubescent Colombian children. Methods: We used data from a population-based cross-sectional study of 1,262 children, aged 6-10 y, in Bucaramanga, Colombia. Logistic regression stepwise variable selection (P<0.05 for entry and retention) was performed to identify anthropometric predictors of IR, as determined by homeostatic model assessment (HOMA). Receiver operating characteristic (ROC) curves were used to compare area under the curve (AUC). Results: There were 57 boys and 70 girls classified as IR (HOMA >90th percentile). Among anthropometric measures compared - including WC, WHtR, and four skinfolds - only age- and sex-specific ASF and BMI z-scores were retained as independent anthropometric predictors of IR. Prediction of IR was marginally better using ASF z-scores than BMI z-scores (P for contrast= 0.13). However, the final Model, which included both ASF and BMI, significantly increased the AUC from 0.80 (95% CI: 0.75-0.84) to 0.82 (95% CI: 0.78-0.86) - an improvement of 0.02 (95% CI: 0.004-0.04; P for contrast= 0.01)(see table ). In the final Model, after adjusting for BMI z, a 1-SD increment in ASF z was associated with 2.38 (95% CI: 1.74-3.26) greater odds of IR; whereas a 1-SD increment in BMI z, after adjustment for ASF z, was associated with 1.46 (95% CI: 1.11-1.91) greater odds of IR. Conclusions: ASF was independent from and marginally better than BMI in predicting IR in Colombian children. Furthermore, integration of ASF with BMI improved IR risk stratification compared to BMI alone, opening new perspectives in the prediction of cardiometabolic risk in children. ROC Curve Contrast Estimation and Testing Results for Anthropometric Measures of Insulin Resistance ROC Curve Contrasts Difference in AUC 95% CI P for Contrast WCz - BMIz 0.006 (-0.016, 0.028) 0.622 WHtRz - BMIz −0.045 (-0.074, -0.016) 0.002 ASFz - BMIz 0.018 (-0.005, 0.040) 0.126 Model (ASFz + BMIz) - BMIz 0.021 (0.004, 0.038) 0.014 BMI z-score (BMIz) was used as reference in all contrast estimates and tests against waist circumference z-score (WCz), waist-to-height z-score (WHtRz), abdominal skinfolds z-score (ASFz), and the best stepwise-selection Model (includes ASFz + BMIz)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,367
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculationMême sujetHealth and Lifestyle StudiesTravaux en français237 207