Prevalence and Heritability of Clusters for Diagnostic Components of Metabolic Syndrome: The Oman Family Study
Notice bibliographique
Résumé
BACKGROUND: Prevalence and heritability of metabolic syndrome (MetS) vary between populations according to the currently used criteria. We examined combinations for joint probabilities and heritabilities of MetS criteria from the National Cholesterol Education Program Adult Treatment Panel III (NCEP), World Health Organization (WHO), and International Diabetes Federation (IDF) in a sample of Omani families. METHODS: We included 1277 subjects from 5 pedigrees. The likelihood ratio of diagnostic cluster dependence over clustering by chance was LDep = P(dependent)/P(independent). Heritabilities were adjusted by sex and age. RESULTS: The highest LDep were central obesity (CO) + high glucose level (HGl) + triglycerides (IDF, 3.08; NCEP, 4.38; WHO, 3.17; P < 0.001). Triglycerides combined with any other component were the most common cluster. The lowest LDep for IDF were high blood pressure (HBP) + CO + low HDL-C (1.21, P < 0.025); for NCEP were HBP + HGl + low HDL-C (1.21, P < 0.07). These components were gathered almost by chance alone. In contrast, the lowest LDep for WHO were HGl + CO + low HDL-C (2.01, P < 0.001). The WHO criteria yielded the highest heritability for a MetS diagnosis (h(2) = 0.9), followed by NCEP (0.48) and IDF (0.38). The rationale of the MetS diagnostics is based on insulin resistance. This base would be lost if we continue lowering cut-off points for diagnosis for increasing the sensitivity. The WHO showed the highest values for LDep for all components because they used the highest cut-off points.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».