Ectopic adiposity and cardiometabolic health in COPD
Notice bibliographique
Résumé
Rationale: Obesity/overweight is the most prevalent body composition abnormality in COPD. However, little is known about the impact of fat distribution on cardiometabolic health in COPD. Objective: To study the associations between ectopic adiposity, cardiometabolic health, and COPD. Methods: A total of 263 subjects (166 males; age=65±9 years) were randomly selected from the general population. Subjects were classified as non-COPD controls and COPD, according to the Global initiative for chronic Obstructive Lung Disease (GOLD) classification, and the presence of cardiometabolic comorbidities was recorded. Ectopic fat accumulation was documented from computed tomography measurements of visceral adipose tissue cross-sectional areas and muscle mean attenuation, assessed at L4–L5. Blood glucose, lipid, and adipokine profiles were also evaluated. Results : After correcting for age, sex, and tobacco exposure, visceral adipose tissue cross-sectional area was higher in GOLD 2+ compared to GOLD 1 individuals. Consistent with this, mean muscle tissue attenuation was lower in GOLD 2+ vs GOLD 1 and non-COPD controls ( P <0.001). In multiple regression models, visceral adipose tissue cross-sectional area was strongly associated with hypertension ( P <0.001) and diabetes ( P <0.001), while muscle attenuation was associated with coronary artery disease ( P <0.001). Blood glucose, lipid, and adipokine profiles were similar across groups with the exception of leptin level which was higher in GOLD 2+ subjects compared to GOLD 1 and controls. Conclusion: GOLD 2+ COPD was associated with ectopic fat accumulation which modulated cardiometabolic health. Keywords: chronic obstructive pulmonary disease, obesity, abdominal, comorbidity, ectopic adiposity, cardiometabolic health
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 | 0,000 |
| 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 ».