Estimating Effect of Obesity on Stroke Using G‐Estimation: The ARIC study
Notice bibliographique
Résumé
OBJECTIVE: This study quantified the obesity-stroke relationship by appropriately adjusting for time-varying confounders using G-estimation. METHODS: ; abdominal obesity (AOB) was defined as waist circumference ≥ 102 cm in men and ≥ 88 cm in women and waist to hip ratio ≥ 0.9 in men and ≥ 0.85 in women. The effects of obesity on stroke were estimated using G-estimation and compared with accelerated failure time models using three modeling strategies. RESULTS: The first accelerated failure time model adjusted for baseline covariates excluding metabolic mediators of obesity showed increased risk of stroke for all measures of obesity. Further adjustment for hypertension, diabetes mellitus, and lipid profiles resulted in decreasing hazard ratios (HRs) with intervals that included the null value for all measures of obesity. G-estimated HRs were 1.60 (95% CI: 1.08-2.40), 1.43 (95% CI: 1.14-1.99), and 1.99 (95% CI: 1.50-2.91) for GOB and AOB based on waist circumference and waist to hip ratio. CONCLUSIONS: Both GOB and AOB affected the risk of stroke. The magnitude of the estimates was larger when modeled by G-estimation than when using standard models, suggesting that bias from mishandling of time-varying confounding was toward the null.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».