Waist Circumference Is the Best Index for Obesity-Related Cardiovascular Disease Risk in Individuals with Spinal Cord Injury
Notice bibliographique
Résumé
Obesity is an important identifier of cardiovascular disease (CVD) risk, but is challenging to determine accurately in individuals with spinal cord injury (SCI). Body mass index (BMI) is used worldwide as a simple indicator of obesity, but is difficult to measure in individuals with SCI. Furthermore, standard BMI cutoffs underestimate obesity in this population. Therefore, we aimed to identify the best marker of obesity in individuals with SCI, considering both practicality, and ability to detect adiposity and CVD risk. Five anthropometric measures were evaluated: BMI; waist circumference (WC); waist-to-height ratio (WHtR); waist-to-hip ratio; and neck circumference. We evaluated relationships between these measures and abdominal and total body-fat percentage, seven cardiovascular metabolic risk factors (fasting insulin, glucose, glucose tolerance, triglycerides, high-density lipoprotein, low-density lipoprotein, and total cholesterol), and the Framingham risk score. BMI, WC, and WHtR were correlated with abdominal fat percentage. WC and WHtR were correlated with five metabolic risk factors as well as the Framingham risk score. WC is a more practical measure for an SCI population. The optimal cutoff for identifying adverse CVD risk in individuals with SCI was identified as WC ≥94 cm, with 100% sensitivity and 79% specificity. We propose that WC is a simple, more sensitive alternative to BMI in this population that is easy to use in multiple settings. The cutoff provides a simple tool to predict adverse CVD risk profiles that can be used to guide risk management, as well as as a practical aid for individuals with SCI to maintain a healthy body composition.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».