Differences in subcutaneous abdominal adiposity regions in four ethnic groups
Notice bibliographique
Résumé
OBJECTIVE: Previous studies have identified ethnic specific differences in visceral adipose tissue (VAT), which may account for ethnic differences in cardio-metabolic risk. However, two distinctive sub-compartments of abdominal subcutaneous adipose tissue (SAT) have been recently identified that may also differ among ethnic groups. Therefore, the relationship between SAT compartments and body fat mass (BFM) between Aboriginal, Chinese, and South Asian cohorts compared to Europeans was investigated. DESIGN AND METHODS: Healthy Aboriginal, Chinese, European, and South Asian (n = 822) men and women (30-65 years) were assessed for BFM via dual energy X-ray absorptiometry, and SAT areas using computer tomography. SAT was subdivided into superficial SAT (SSAT) and deep SAT (DSAT) via the fascia-superficialis. Linear regression was performed using DSAT and SSAT as separate dependent variables and BFM and ethnicity as primary independent variables adjusting for confounders. RESULTS: Aboriginal (181.0 cm(2) ; p = 0.045) and South Asians (178.3 cm(2) ; p = 0.013) had significantly higher amounts of DSAT, whereas the Chinese cohort had significantly less when compared with Europeans (114.3 cm(2) ; p = <0.001). The Aboriginal cohort had a significantly higher amount of SSAT than Europeans (123.13 cm(2) vs. 108.7 cm(2) ; p = 0.04). Ethnicity modified the relationship between DSAT and BFM (p < 0.001 for interaction) such that Aboriginals and majority of South Asians had a significantly greater DSAT. CONCLUSION: These data further demonstrate ethnic differences in body fat distribution such that Aboriginals and South Asians have greater amounts of DSAT. This may contribute to the increased cardio-metabolic risk in these groups.
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) | 0,001 | 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 ».