MétaCan
Menu
Retour à la cohorte
Enregistrement W2299287779 · doi:10.1186/s40608-016-0099-z

Overweight and abdominal obesity as determinants of undiagnosed diabetes and pre-diabetes in Bangladesh

2016· article· en· W2299287779 sur OpenAlexaff
Dewan S Alam, Shamim Hayder Talukder, Muhammad Ashique Haider Chowdhury, Ali Tanweer Siddiquee, Shyfuddin Ahmed, Sonia Pervin, Sushmita Khan, Khaled Hasan, Tracey Pérez Koehlmoos, Louis Niessen

Notice bibliographique

RevueBMC Obesity · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes, Cardiovascular Risks, and Lipoproteins
Établissements canadiensYork University
Organismes subventionnairesAustralian Agency for International DevelopmentStyrelsen för Internationellt UtvecklingssamarbeteDepartment for International DevelopmentDepartment for International Development, UK GovernmentInternational Centre for Diarrhoeal Disease Research, BangladeshUnited States Agency for International Development
Mots-clésMedicineDiabetes mellitusOverweightAbdominal obesityObesityType 2 diabetesWaistInternal medicineLogistic regressionGerontologyDemographyEndocrinology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Type 2 diabetes and pre-diabetes are an increasing pandemic globally and often remain undiagnosed long after onset in low-income settings. The objective of this study is to assess the determinants and prevalence of undiagnosed diabetes and pre-diabetes among adults in Bangladesh. METHODS: In an exploratory study, we performed oral glucose tolerance test on 1243 adults ≥20 years of age from urban Mirpur, Dhaka (n = 518) and rural Matlab, Chandpur (n = 725) who had never been diagnosed with diabetes or pre-diabetes. We collected data on socioeconomic, demographic, past medical history, physical activity, and measured weight, height, waist and hip circumferences, and blood pressure. Risk factors associated with undiagnosed diabetes and pre-diabetes were examined using a multiple logistic regression model. RESULTS: Overall prevalence of diabetes and pre-diabetes was 6.6 % (95 % CI 5.3, 8.1) and 16.6 % (14.5, 18.7) respectively, with both being significantly higher in urban than rural populations (diabetes 12.2 % vs 2.6 % respectively, p < 0.000; pre-diabetes 21.2 % vs 13.2 %, p < 0.001). After adjustment the variables, urban residence (OR 2.5 [95 % CI 1.02, 5.9]), age group 40-59 y (2.9 [1.7-5.2]), ≥60 y (8.1 [2.8-23.8]), overweight (2.2 [1.3-3.9]), abdominal obesity (3.3 [1.8-6.0]) and high WHR 5.6 (2.7-11.9) were all significant predictors of diabetes. Significant predictors of pre-diabetes included age group 40-59 (1.6 [1.1-2.2]), female sex (1.5 [1.0-2.2]), abdominal obesity (1.7 [1.2-2.4]) and high WHR (1.6 [1.2-2.3]). CONCLUSION: Both overweight and abdominal obesity contribute to the hidden public health threat of undiagnosed diabetes and pre-diabetes. Awareness raising and screening of high risk groups combined with a tailored approach are essential for halting the epidemic of diabetes and pre-diabetes in Bangladesh.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,239
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations52
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC ObesityMême sujetDiabetes, Cardiovascular Risks, and LipoproteinsTravaux en français237 207