The Association Between Six Surrogate Insulin Resistance Indexes and Hypertension: A Population-Based Study
Notice bibliographique
Résumé
Background: The relationship between insulin resistance and hypertension is well established, but the association of different surrogate insulin resistance indexes with the presence of hypertension is still under debate. The aim of this study was to compare the strength of the association between the presence of hypertension and six indexes: triglyceride/HDL cholesterol ratio (TG/HDL-C), Triglyceride Glucose (TyG) Index, Visceral adiposity index (VAI), Lipid accumulation product (LAP), TyG-Body mass index (TyG-BMI), and TyG-Waist circumference (TyG-WC). Methods: Data from a cross-sectional epidemiological study enrolling a sample representative for the Romanian population aged 18–80 years, excluding those with diabetes or requiring treatment for hypertriglyceridemia, were used to calculate the six indexes. The association with the presence of hypertension was examined with binomial and multinomial logistic regression. Results: In multinomial logistic models, which included age, gender, smoking, drinking, sedentary lifestyle, estimated glomerular filtration rate, urinary sodium, urinary albumin creatinine ratio, and use of medications known to influence insulin resistance as covariates, all individual components and surrogate insulin resistance indexes were independently associated with the presence of hypertension. Values of pseudo R square ranged from 0.342 for the multivariate model including TG/HDL-C to 0.357 for the model including TyG-WC, but with no clear superiority of any of the tested indexes over all others. Models including BMI and WC had a similar ability to predict the presence of hypertension as most of the surrogate indexes and they were slightly superior to TG/HDL-C and TyG. Conclusions: Although TG/HDL-C, VAI, LAP, TyG, TyG-BMI, and TyG-WC were independently associated with the presence of hypertension, no superiority could be demonstrated over the use of BMI and WC as predictors of hypertension in this cross-sectional study.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».