A comprehensive diagnostic approach to detect underlying causes of obesity in adults
Notice bibliographique
Résumé
Obesity is a worldwide growing problem. When confronted with obesity, many health care providers focus on direct treatment of the consequences of adiposity. We plead for adequate diagnostics first, followed by an individualized treatment. We provide experience-based and evidence-based practical recommendations (illustrated by clinical examples), to detect potential underlying diseases and contributing factors. Adult patients consulting a doctor for weight gain or obesity should first be clinically assessed for underlying diseases, such as monogenetic or syndromic obesity, hypothyroidism, (cyclic) Cushing syndrome, polycystic ovarian syndrome (PCOS), hypogonadism, growth hormone deficiency, and hypothalamic obesity. The most important alarm symptoms for genetic obesity are early onset obesity, dysmorphic features/congenital malformations with or without intellectual deficit, behavioral problems, hyperphagia, and/or striking family history. Importantly, also common contributing factors to weight gain should be investigated, including medication (mainly psychiatric drugs, (local) corticosteroids, insulin, and specific β-adrenergic receptor blockers), sleeping habits and quality, crash diets and yoyo-effect, smoking cessation, and alcoholism. Other associated conditions include mental factors such as chronic stress or binge-eating disorder and depression.Identifying and optimizing the underlying diseases, contributing factors, and other associated conditions may not only result in more effective and personalized treatment but could also reduce the social stigma for patients with obesity.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».