Body Weight Reduction Results in Favorable Changes in Blood Pressure, Serum Lipids, and Blood Sugar in Middle-Aged Japanese Persons: A 5-Year Interval Observational Study of 26,824 Cases
Notice bibliographique
Résumé
OBJECTIVE: We investigated the relationships between body weight (BWt) and metabolic syndrome (MS) risk factors to elucidate the effect of BWt (?BWt) change and body mass index (BMI) on these factors in the Japanese population. METHODS: Data were collected on MS-related parameters measured during two annual examinations of 16,640 men (mean age: 41.7±11.6 years) and 10,184 women (mean age: 45.0±12.2 years) without prior treatment of hypertension, diabetes mellitus, or dyslipidemia in 2006 and 2011 in Fukuoka, Japan. The subjects were divided into three groups according to BMI in 2006 (low, middle and high BMI) and into three groups according to change in BMI between 2006 and 2011 (decreased, stable, and increased BMI). Mean values for blood pressure (BP), systolic BP (SBP), diastolic BP (DBP), high-density lipoprotein cholesterol (HDL-C), low-density lipoprotein cholesterol (LDL-C), triglycerides (TG), hemoglobin A1c (HbA1c), and fasting blood glucose (FBG) for each group were determined by sex and subjected to statistical analysis for comparison. RESULTS: High BMI (>26) was associated with higher SBP, LDL-C, FBG, and TG in both sexes. An increase≥1.1 BMI units in 5 years was associated with increased DBP, LDL-C, TG, HbA1c, and FBG and decreased HDL-C. In contrast, decreased BMI was associated with decreased BP and LDL-C and increased HDL-C in both sexes, and decreased TG in men and FBG in women. CONCLUSIONS: Maintaining a desirable weight or losing weight may help prevent hypertension and MS, even in non-obese individuals.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».