Association between Body Mass Index and Migraine
Notice bibliographique
Résumé
OBJECTIVE: To explore the prevalence of overweight and obesity in patients with migraine. BACKGROUND: Previous studies support the concept that obesity is an exacerbating factor for migraine. Also, some studies have found an increased frequency of obesity and overweight in migraine patients compared to the normal population. METHODS: We studied 1,371 patients with migraine and 612 controls. The migraine population was matched by gender with a healthy control group. RESULTS: Mean age of patients with migraine was 38.0 +/- 13.3 years and in the controls it was 34.8 +/- 12.1 years. The percentage of females in both groups was similar (migraine 81.6% vs. control 83.3%, p = 0.40). The distribution of body mass index (BMI) in migraine patients and controls was as follows: underweight patients (BMI <18.5) 3.1% migraine versus controls 1.5%; normal (BMI 18.5-24.9) 44.8% migraine versus controls 47.1%; overweight (BMI 25-29.9) 38.3% migraine versus controls 33.7%; obese (BMI 30-34.5) 10.3% migraine versus controls 13.6%; morbidly obese (BMI 35) 3.4% migraine versus controls 4.2%. Overweight and obesity in migraine patients versus controls were statistically significant. No association was found between the disability and severity of migraine and BMI. CONCLUSIONS: This study did not find associations between severity or disability of migraine and BMI.
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 | 0,000 | 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 | 0,000 | 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) | 0,003 | 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 ».