The discrimination of dyslipidaemia using anthropometric measures in ethnically diverse populations of the Asia–Pacific Region: The Obesity in Asia Collaboration
Notice bibliographique
Résumé
Dyslipidaemia is a major risk factor for cardiovascular disease and is only detectable through blood testing, which may not be feasible in resource-poor settings. As dyslipidaemia is commonly associated with excess weight, it may be possible to identify individuals with adverse lipid profiles using simple anthropometric measures. A total of 222 975 individuals from 18 studies were included as part of the Obesity in Asia Collaboration. Linear and logistic regression models were used to assess the association between measures of body size and dyslipidaemia. Body mass index, waist circumference, waist : hip ratio (WHR) and waist : height ratio were continuously associated with the lipid variables studied, but the relationships were consistently stronger for triglycerides and high-density lipoprotein cholesterol. The associations were similar between Asians and non-Asians, and no single anthropometric measure was superior at discriminating those individuals at increased risk of dyslipidaemia. WHR cut-points of 0.8 in women and 0.9 in men were applicable across both Asians and non-Asians for the discrimination of individuals with any form of dyslipidaemia. Measurement of central obesity may help to identify those individuals at increased risk of dyslipidaemia. WHR cut-points of 0.8 for women and 0.9 for men are optimal for discriminating those individuals likely to have adverse lipid profiles and in need of further clinical assessment.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».