Defining Obesity Cut Points in a Multiethnic Population
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Body mass index (BMI) is widely used to assess risk for cardiovascular disease and type 2 diabetes. Cut points for the classification of obesity (BMI >30 kg/m2) have been developed and validated among people of European descent. It is unknown whether these cut points are appropriate for non-European populations. We assessed the metabolic risk associated with BMI among South Asians, Chinese, Aboriginals, and Europeans. METHODS AND RESULTS: We randomly sampled 1078 subjects from 4 ethnic groups (289 South Asians, 281 Chinese, 207 Aboriginals, and 301 Europeans) from 4 regions in Canada. Principal components factor analysis was used to derive underlying latent or "hidden" factors associated with 14 clinical and biochemical cardiometabolic markers. Ethnic-specific BMI cut points were derived for 3 cardiometabolic factors. Three primary latent factors emerged that accounted for 56% of the variation in markers of glucose metabolism, lipid metabolism, and blood pressure. For a given BMI, elevated levels of glucose- and lipid-related factors were more likely to be present in South Asians, Chinese, and Aboriginals compared with Europeans, and elevated levels of the blood pressure-related factor were more likely to be present among Chinese compared with Europeans. The cut point to define obesity, as defined by distribution of glucose and lipid factors, is lower by approximately 6 kg/m2 among non-European groups compared with Europeans. CONCLUSIONS: Revisions may be warranted for BMI cut points to define obesity among South Asians, Chinese, and Aboriginals. Using these revised cut points would greatly increase the estimated burden of obesity-related metabolic disorders among non-European populations.
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.
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 | 0,000 |
| 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 | 0,000 | 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 découle