Notice bibliographique
Résumé
Dear Editor-in-Chief: Bassett et al. (1) studied an Old Order Amish community in Ontario and found far lower prevalences of overweight and obesity than those in the general Canadian and U.S. populations. Having studied another group of Old Order Amish living in Lancaster County, Pennsylvania, we would like to supplement with some of our own, contrasting observations. While the cohort studied by Bassett et al. was relatively young (46% was less than 30 yr old), our cohort (N = 953) was aged 45–70 yr. Somewhat surprisingly, given the physically active Amish lifestyle, mean BMI was slightly higher in the Lancaster Amish than in the contemporary National Health and Nutrition Examination Study (NHANES) participants of European extraction and comparable age (BMI 27.9 ± 4.6 kg·m−2 vs 27.0 ± 5.1 kg·m−2) (4). Oral glucose tolerance tests revealed that the proportion of Amish subjects who had dysregulated glucose homeostasis (impaired glucose tolerance or diabetes) was about the same as in the mainstream population. However, the prevalence of frank diabetes was surprisingly only about half of that in the mainstream population. This observation was consistent across all age strata studied (3). While genetic founder effects cannot be excluded, our findings strongly suggest that independent of BMI, the Amish environment may provide protection against diabetes. Possible explanations are high levels of physical activity and a relatively delayed accrual of body fat among the Amish (our own casual observations, including an apparent absence of obesity in children, are consistent with Bassett's reported low prevalence of obesity in younger Amish). Thus, the Lancaster Amish may illustrate the “Fat and Fit” paradigm described by Blair (2). However, as nonfarming occupations are becoming increasingly common among the Lancaster Amish, levels of physical activity are likely to vary. A study is now underway to determine the metabolic and cardiovascular correlates of physical activity levels among the Lancaster Amish. Soren Snitker, M.D., Ph.D. Alan R. Shuldiner, M.D. University of Maryland School of Medicine, Baltimore, MD
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».