Eligibility for Obesity Treatment and Risk of Mortality in Men
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the risk of all-cause and cardiovascular disease (CVD) mortality associated with each outcome of the NIH obesity treatment algorithm and to examine the effects of cardiorespiratory fitness on the risk of mortality associated with these outcomes. RESEARCH METHODS AND PROCEDURES: The NIH obesity treatment algorithm was applied to 18,666 men (20 to 64 years of age) from the Aerobics Center Longitudinal Study in Dallas, TX, examined between 1979 and 1995. Risk of all-cause and CVD mortality was assessed using Cox proportional hazards regression. RESULTS: A total of 7029 men (37.7%) met the criteria for needing weight loss treatment [overweight (BMI = 25 to 29.9 kg/m2 or WC > 102 cm) with > or =2 CVD risk factors or obese (BMI > or = 30 kg/m2)]. Mortality surveillance through 1996 identified 435 deaths (151 from CVD) during 191,364 man-years of follow-up. Compared with the normal weight reference group, the hazard ratios (95% confidence interval) for death from all causes were 0.63 (0.45 to 0.88), 1.23 (0.98 to 1.54), 1.05 (0.60 to 1.85), and 1.71 (1.64 to 2.31) for men who were overweight with <2 CVD risk factors, overweight with > or = 2 CVD risk factors, obese with <2 CVD risk factors, and obese with > or =2 CVD risk factors, respectively. Corresponding hazard ratios for CVD mortality were 0.72 (0.38 to 1.37), 1.67 (1.12 to 2.50), 1.69 (0.67 to 4.30), and 3.31 (2.07 to 5.30). Including physical fitness as a covariate significantly attenuated all risk estimates. DISCUSSION: The NIH obesity treatment algorithm is useful in identifying men at increased risk of premature mortality; however, including an assessment of fitness would help improve risk stratification among all groups of patients.
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 | 0,005 | 0,001 |
| 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 ».