Spousal diabetes as a diabetes risk factor: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Diabetes history in biologically-related individuals increases diabetes risk. We assessed diabetes concordance in spouses (that is, biologically unrelated family members) to gauge the importance of socioenvironmental factors. METHODS: We selected cross-sectional, case-control and cohort studies examining spousal association for diabetes and/or prediabetes (impaired fasting glucose or impaired glucose tolerance), indexed in Medline, Embase or Scopus (1 January 1997 to 28 February 2013). Effect estimates (that is, odds ratios, incidence rate ratios, and so on) with body mass index (BMI) adjustment were pooled separately from those without BMI adjustment (random effects models) to distinguish BMI-dependent and independent concordance. RESULTS: Searches yielded 2,705 articles; six were retained (n = 75,498 couples) for systematic review and five for meta-analysis. Concordance was lowest in a study that relied on women's reports of diabetes in themselves and their spouses (effect estimate 1.1, 95% CI 1.0 to 1.30) and highest in a study with systematic assessment of glucose tolerance (2.11, 95% CI 1.74 to 5.10). The random-effects pooled estimate adjusted for age and other covariates but not BMI was 1.26 (95% CI 1.08 to 1.45). The estimate with BMI adjustment was lower (1.18, 95% CI 0.97 to 1.40). Two studies assessing between-spouse associations of diabetes/prediabetes determined by glucose testing reported high concordance (OR 1.92, 95% CI 1.55 to 2.37 without BMI adjustment; 2.32, 95% CI 1.87 to 3.98 with BMI adjustment). Two studies did not distinguish type 1 and type 2 diabetes. However given that around 95% of adults is type 2, this is unlikely to have influenced the results. CONCLUSIONS: Our pooled estimate suggests that a spousal history of diabetes is associated with a 26% diabetes risk increase. Recognizing shared risk between spouses may improve diabetes detection and motivate couples to increase collaborative efforts to optimize eating and physical activity habits.
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 | 0,013 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,029 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».