Metabolic Syndrome
Notice bibliographique
Résumé
OBJECTIVE: Little is known about the prevalence of the metabolic syndrome among elderly people in Italy, its association with all-cause mortality, and whether measurement of serum C-reactive protein (CRP) and interleukin (IL)-6 affects this association. RESEARCH DESIGN AND METHODS: The baseline prevalence of metabolic syndrome, diagnosed according to the National Cholesterol Education Program (NCEP) criteria, and all-cause mortality at 4 years were recorded in an Italian population-based cohort (981 subjects, 55% women, aged 65-97 years). A Cox model adjusted for sociodemographic, lifestyle, and medical variables was used to investigate 1) whether metabolic syndrome was a predictor of mortality and 2) how the association was affected by baseline high CRP (>3 mg/l) and IL-6 (>1.33 pg/ml). RESULTS: Overall, metabolic syndrome prevalence was 27.2% [95% CI 24.0-30.5] and higher in women (33.3% [28.7-38.0]) than in men (19.6% [15.5-24.2]). During follow-up, 137 deaths occurred. Using the no metabolic syndrome/no high IL-6 group as the reference, mortality was not associated with the metabolic syndrome alone (multivariable-adjusted hazard ratio 1.24 [0.60-2.59]), only weakly associated with high IL-6 alone (1.66 [1.04-2.63]), but strongly associated with the concurrent presence of metabolic syndrome and high IL-6 (3.26 [2.00-5.33]). High CRP was not a mortality predictor (0.83 [0.58-1.20]) nor did it affect the association of the other variables with mortality. CONCLUSIONS: Metabolic syndrome by NCEP criteria is highly prevalent in the Italian elderly population. It is not itself associated with mortality but may improve the usefulness of IL-6 as a mortality predictor in older age.
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 | 0,000 | 0,000 |
| 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 ».