BMI-specific waist circumference is better than skinfolds for health-risk determination in the general population
Notice bibliographique
Résumé
Distribution of fat is important when considering health risk; however, the value added from skinfold measurements (SKF) when using body mass index (BMI) refined by waist circumference (WC) is not well understood. The purpose of this study was to assess the utility of SKF compared with WC in determination of health risk in the general population. Data from the Canadian Health Measures Survey (cycles 1 and 2; N = 5217) were used. Health outcomes included directly measured blood pressure, cholesterol, glycated haemoglobin, lung function, self-reported health, and chronic conditions. Technical errors of measurements (TEM), sensitivity, and specificity analysis and linear regressions were conducted. Data indicated that TEM for SKF was above the acceptable 5% in most age and sex categories. Sensitivity and specificity of chronic conditions was not improved with the inclusion of SKF in models containing WC (in those aged 45-69 years) and SKF did not explain any additional variance in regression models containing WC. Health outcomes for those in the normal weight and overweight BMI category were significantly worse in those classified as high risk based on WC, whereas SKF did not consistently discriminate risk. In conclusion, evidence-based WC cut-points were shown to identify health risk, particularly in normal weight and overweight individuals. Thus, BMI refined by WC appears to be more appropriate than SKF for assessment of body composition when determining health risk in the general population.
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 | 0,009 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».