Ethnic differences in anthropometric measures and abdominal fat distribution: a cross-sectional pooled study in Inuit, Africans and Europeans
Notice bibliographique
Résumé
BACKGROUND: Ethnic variation in abdominal fat distribution may explain differences in cardiometabolic risk between populations. However, the ability of anthropometric measures to quantify abdominal fat is not clearly understood across ethnic groups. The aim of this study was to investigate the associations between anthropometric measures and visceral (VAT) and subcutaneous abdominal adipose tissue (SAT) in Inuit, Africans and Europeans. METHODS: We combined cross-sectional data from 3 studies conducted in Greenland, Kenya and Denmark using similar methodology. A total of 5275 individuals (3083 Inuit, 1397 Africans and 795 Europeans) aged 17-95 years with measures of anthropometry and ultrasonography of abdominal fat were included in the study. Multiple regression models with fractional polynomials were used to analyse VAT and SAT as functions of body mass index (BMI), waist circumference, waist-to-hip ratio, waist-to-height ratio and body fat percentage. RESULTS: The associations between conventional anthropometric measures and abdominal fat distribution varied by ethnicity in almost all models. Europeans had the highest levels of VAT in adjusted analyses and Africans the lowest with ethnic differences most apparent at higher levels of the anthropometric measures. Similar ethnic differences were seen in the associations with SAT for a given anthropometric measure. CONCLUSIONS: Conventional anthropometric measures like BMI and waist circumference do not reflect the same amount of VAT and SAT across ethnic groups. Thus, the obesity level at which Inuit and Africans are at increased cardiometabolic risk is likely to differ from that of Europeans.
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 | 0,021 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».