MétaCan
Menu
Retour à la cohorte
Enregistrement W1977999879 · doi:10.1093/inthealth/ihu065

Betel-quid and alcohol use were associated with lipid accumulation product among male factory workers in Taiwan

2014· article· en· W1977999879 sur OpenAlexaff
Chung‐Feng Huang, Chien‐Ting Chen, P.-M. Wang, Malcolm Koo

Notice bibliographique

RevueInternational Health · 2014
Typearticle
Langueen
DomaineDentistry
ThématiqueOral Health Pathology and Treatment
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineBody mass indexWaistEnvironmental healthBetelAlcoholToxicologyInternal medicineDemographyBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In this study, cardiometabolic risk associated with betel-quid, alcohol and cigarette use, based on a simple index-lipid accumulation product (LAP), was investigated in Taiwanese male factory workers. METHODS: Male factory workers were recruited during their annual routine health examination at a hospital in south Taiwan. The risk of cardiometabolic disorders was estimated by the use of LAP, calculated as (waist circumference [cm]-65)×(triglyceride concentration [mmol/l]). Multiple linear regression analyses were conducted to assess the risk factors of natural logarithm-transformed LAP. RESULTS: Of the 815 participants, 40% (325/815) were current alcohol users, 30% (248/815) were current smokers and 7% (53/815) were current betel-quid users. Current betel-quid use, alcohol use, older age, lack of exercise and higher body mass index were found to be significant and independent factors associated with natural logarithm-transformed LAP. CONCLUSIONS: Betel-quid and alcohol, but not cigarette use, were independent risk factors of logarithm-transformed LAP, adjusting for age, exercise and body mass index in male Taiwanese factory workers. LAP can be considered as a simple and useful method for screening of cardiometabolic risk.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,069
Tête enseignante GPT0,369
Écart entre enseignants0,300 · 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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational HealthMême sujetOral Health Pathology and TreatmentTravaux en français237 207