Deriving Ethnic-Specific BMI Cutoff Points for Assessing Diabetes Risk
Notice bibliographique
Résumé
OBJECTIVE: The definition of obesity (BMI ≥ 30 kg/m(2)), a key risk factor of diabetes, is widely used in white populations; however, its appropriateness in nonwhite populations has been questioned. We compared the incidence rates of diabetes across white, South Asian, Chinese, and black populations and identified equivalent ethnic-specific BMI cutoff values for assessing diabetes risk. RESEARCH DESIGN AND METHODS: We conducted a multiethnic cohort study of 59,824 nondiabetic adults aged ≥ 30 years living in Ontario, Canada. Subjects were identified from Statistics Canada's population health surveys and followed for up to 12.8 years for diabetes incidence using record linkages to multiple health administrative databases. RESULTS: The median duration of follow-up was 6 years. After adjusting for age, sex, sociodemographic characteristics, and BMI, the risk of diabetes was significantly higher among South Asian (hazard ratio 3.40, P < 0.001), black (1.99, P < 0.001), and Chinese (1.87, P = 0.002) subjects than among white subjects. The median age at diagnosis was lowest among South Asian (aged 49 years) subjects, followed by Chinese (aged 55 years), black (aged 57 years), and white (aged 58 years) subjects. For the equivalent incidence rate of diabetes at a BMI of 30 kg/m(2) in white subjects, the BMI cutoff value was 24 kg/m(2) in South Asian, 25 kg/m(2) in Chinese, and 26 kg/m(2) in black subjects. CONCLUSIONS: South Asian, Chinese, and black subjects developed diabetes at a higher rate, at an earlier age, and at lower ranges of BMI than their white counterparts. Our findings highlight the need for designing ethnically tailored prevention strategies and for lowering current targets for ideal body weight for nonwhite populations.
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 | 0,008 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».