Age- and sex- specific all-cause mortality risk greatest in metabolic syndrome combinations with elevated blood pressure from 7 U.S. cohorts
Notice bibliographique
Résumé
BACKGROUND: The association between metabolic syndrome (MetS) and all-cause mortality is well established but it is unclear if there are differences in mortality risk among the 32 possible MetS combinations. Hence, the purpose of this study is to evaluate the associations between different MetS combinations and its individual components with all-cause mortality, and to examine differences in the association by age and sex. METHODS: A merged sample of 82,717 adults from 7 U.S. cohorts was used. RESULTS: In our sample, MetS was present in 32% of men, 34% of women, 28% of younger adults (18-65 years) and 62% of older adults (>65 years) with 14,989 deaths over 14.6 ± 7.4 years of follow-up. Risk of all-cause mortality was higher in younger individuals with a greater number of MetS factors present, but in older adults having all 5 MetS factors was the only combination significantly associated with mortality. Regardless of age or sex, elevated blood pressure was the MetS factor most consistently present in MetS combinations that were significantly and most strongly associated with mortality. In fact, elevated blood pressure in the absence of other risk factors was significantly associated with mortality in men (HR, 95% CI = 1.56, 1.33-1.84), women (HR = 1.62, 1.44-1.81) and younger adults (HR = 1.61, 1.45-1.79). Conversely, waist circumference, glucose and triglycerides in isolation were not associated with mortality (p>0.05). CONCLUSION: In a large U.S. population, different combinations of MetS components vary substantially in their associations with all-cause mortality. Men, women and younger individuals with MetS combinations including elevated blood pressure had stronger associations with greater mortality risk, with minimal associations between MetS and mortality risk in older adults. Thus, we suggest that future algorithms may wish to consider differential weighting of these common metabolic risk factors, particularly in younger populations.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».