Contributions of Cardiorespiratory Fitness and Visceral Adiposity to Six-Year Changes in Cardiometabolic Risk Markers in Apparently Healthy Men and Women
Notice bibliographique
Résumé
CONTEXT: Both excess visceral adipose tissue (VAT) and low cardiorespiratory fitness (CRF) levels are associated with a deteriorated cardiometabolic risk profile. OBJECTIVE: The aim of the study was to examine the respective contributions of changes in VAT accumulation vs. changes in CRF to 6-yr longitudinal changes in cardiometabolic risk markers. DESIGN, SETTINGS, AND PARTICIPANTS: We conducted a prospective, population-based study with an average follow-up of 5.9 ± 0.8 yr. We followed 132 middle-aged participants from the Quebec Family Study (mean age, 35.3 ± 13.9 yr). VAT was measured by computed tomography, whereas the level of CRF was assessed by a submaximal physical working capacity test at baseline and at follow-up. A complete cardiometabolic risk profile, including systolic and diastolic blood pressure, fasting glucose and insulin levels, C-reactive protein (n = 72), as well as a standard lipoprotein-lipid profile, was obtained at baseline and at follow-up. MAIN OUTCOME MEASURES: We measured changes in CRF, VAT, and cardiometabolic risk profile over 6 yr. RESULTS: After adjusting for age and sex, 6-yr changes in VAT were negatively correlated with changes in CRF (r = -0.38; P < 0.001). In a multivariate model that included age, sex, changes in VAT, changes in CRF, as well as baseline levels of the above cardiometabolic risk factors, 6-yr changes in VAT were the most important predictor of the change in the metabolic syndrome score (R(2) = 13.2%; P < 0.001). Adding 6-yr changes in CRF levels significantly improved the predictability of the model (R(2) = 19.7%; P = 0.002). CONCLUSIONS: Changes in both VAT and CRF levels observed over 6 yr are associated with changes in parameters of the lipoprotein-lipid profile, glucose-insulin homeostasis, and inflammatory markers. Thus, maintaining a low level of VAT and a high level of CRF are important targets for maintenance of cardiometabolic health.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».