Visceral obesity: A new risk factor for stone disease
Notice bibliographique
Résumé
INTRODUCTION: We examined the relationship between stone disease and the amount of visceral adipose tissue measured with unenhanced computed tomography (CT). METHODS: We included 149 patients with complaints of flank pain and kidney stones detected by CT, from August 2012 to April 2013. In addition, as the control group we included 139 healthy individuals, with flank pain within the same time period, with no previous history of urological disease and no current kidney stones identified by CT. Patients were analyzed for age, gender, body mass index, amount of visceral and subcutaneous adipose tissue, and serum level of low-density lipoprotein and triglyceride. RESULTS: There were no differences between groups in terms of gender and age (p = 0.27 and 0.06, respectively). Respective measurements for the stone and control groups for body mass index were 29.1 and 27.6 kg/m(2); for visceral fat measurement 186.0 and 120.2 cm(2); and for subcutaneous fat measurements 275.9 and 261.9 cm(2) (p = 0.01; 0.01 and 0.36, respectively). Using multivariate analysis, the following factors were identified as increasing the risk of kidney stone formation: hyperlipidemia (p = 0.003), hypertension (p = 0.001), and ratio of visceral fat tissue to subcutaneous fat tissue (p = 0.01). Our study has its limitations, including its retrospective nature, its small sample size, possible selection bias, and missing data. The lack of stone composition data is another major limitation of our study. CONCLUSION: The ratio of visceral to subcutaneous adipose tissue, in addition to obesity, hyperlipidemia, and hypertension, was identified as an emerging factor in the formation of kidney stones.
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 | 0,003 |
| 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 ».