Diabetes Risk Among Overweight and Obese Metabolically Healthy Young Adults
Notice bibliographique
Résumé
OBJECTIVE: To determine diabetes incidence over time among obese young adults without metabolic risk factors. RESEARCH DESIGN AND METHODS: Incident diabetes during a median follow-up of 6.1 years was assessed among 33,939 young men (mean age 30.9 ± 5.2 years) of the Metabolic, Lifestyle and Nutrition Assessment in Young Adults cohort who were stratified for BMI and the number of metabolic abnormalities (based on the Adult Treatment Panel-III). Metabolically healthy (MH) obesity was defined as BMI ≥30 kg/m2 in the presence of normoglycemia, normal blood pressure, and normal levels of fasting triglyceride and HDL-cholesterol levels (n = 631). RESULTS: A total of 734 new cases of diabetes were diagnosed during 210,282 person-years of follow-up. The incidence rate of diabetes among participants with no metabolic risk factors was 1.15, 2.10, and 4.34 cases per 1,000 person-years among lean, overweight, and obese participants, respectively. In a multivariable model adjusted for age, region of origin, family history of diabetes, physical activity, fasting plasma glucose, triglyceride level, HDL-cholesterol, systolic blood pressure, and white blood cell count, a higher diabetes risk was observed among MH-overweight (hazard ratio [HR] 1.89 [95% CI 1.25-2.86]; P < 0.001) and MH-obese (HR 3.88 [95% CI 1.94-7.77]; P < 0.001) compared with MH-normal weight subjects. There was no interaction between BMI and the number of metabolic abnormalities at enrollment in predicting diabetes risk. CONCLUSIONS: Healthy metabolic profile and the absence of diabetes risk factors do not protect young adults from incident diabetes associated with overweight and obesity.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».