Effect of Android to Gynoid Fat Ratio on Insulin Resistance in Obese Youth
Notice bibliographique
Résumé
BACKGROUND: Upper body fat distribution is associated with the early development of insulin resistance in obese children and adolescents. OBJECTIVE: To determine if an android to gynoid fat ratio is associated with the severity of insulin resistance in obese children and adolescents, whereas peripheral subcutaneous fat may have a protective effect against insulin resistance. SETTING: The pediatric department of University Hospital, Clermont-Ferrand, France. DESIGN: A retrospective analysis using data from medical consultations between January 2005 and January 2007. PARTICIPANTS: Data from 66 obese children and adolescents coming to the hospital for medical consultation were used in this study. MAIN OUTCOME MEASURES: Subjects were stratified into tertiles of android to gynoid fat ratio determined by dual-energy x-ray absorptiometry. Insulin resistance was assessed by the homeostasis model of insulin resistance (HOMA-IR) index. RESULTS: There were no differences in weight, body mass index, and body fat percentage between tertiles. Values of HOMA-IR were significantly increased in the 2 higher tertiles (mean [SD], tertile 2, 2.73 [1.41]; tertile 3, 2.89 [1.28]) compared with the lower tertile (tertile 1, 1.67 [1.24]) of android to gynoid fat ratio (P < .001). The HOMA-IR value was significantly associated with android to gynoid fat ratio (r = 0.35; P < .01). CONCLUSIONS: Android fat distribution is associated with an increased insulin resistance in obese children and adolescents. An android to gynoid fat ratio based on dual-energy x-ray absorptiometry measurements is a useful and simple technique to assess distribution of body fat associated with an increased risk of insulin resistance.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».