Contributions of Increasing Obesity and Diabetes to Slowing Decline in Subclinical Coronary Artery Disease
Notice bibliographique
Résumé
BACKGROUND: Our previous study of nonelderly adult decedents with nonnatural (accident, suicide, or homicide) cause of death (96% autopsy rate) between 1981 and 2004 revealed that the decline in subclinical coronary artery disease (CAD) ended in the mid-1990s. The present study investigated the contributions of trends in obesity and diabetes mellitus to patterns of subclinical CAD and explored whether the end of the decline in CAD persisted. METHODS AND RESULTS: We reviewed provider-linked medical records for all residents of Olmsted County, Minnesota, who died from nonnatural causes within the age range of 16 to 64 years between 1981 and 2009 and who had CAD graded at autopsy. We estimated trends in CAD risk factors including age, sex, systolic blood pressure, diabetes (qualifying fasting glucose or medication), body mass index, smoking, and diagnosed hyperlipidemia. Using multiple regression, we tested for significant associations between trends in CAD risk factors and CAD grade and assessed the contribution of trends in diabetes and obesity to CAD trends. The 545 autopsied decedents with recorded CAD grade exhibited significant declines between 1981 and 2009 in systolic blood pressure and smoking and significant increases in blood pressure medication, diabetes, and body mass index ≥30 kg/m(2). An overall decline in CAD grade between 1981 and 2009 was nonlinear and ended in 1994. Trends in obesity and diabetes contributed to the end of CAD decline. CONCLUSIONS: Despite continued reductions in smoking and blood pressure values, the previously observed end to the decline in subclinical CAD among nonelderly adult decedents was apparent through 2009, corresponding with increasing obesity and diabetes in that population.
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 | 0,002 | 0,006 |
| 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 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 ».