Distinct developmental trajectories of body mass index and diabetes risk: A 5‐year longitudinal study of Chinese adults
Notice bibliographique
Résumé
AIMS/INTRODUCTION: This longitudinal study aimed to explore whether distinct developmental trajectories of body mass index (BMI) would be predictive of diabetes risk in general Chinese adults. MATERIALS AND METHODS: A total of 4,519 participants aged >18 years who were free of diabetes in 2011 (baseline of the current analysis) were enrolled in this study. All participants completed a medical examination every year during 2011-2016, and BMI levels were measured two to six (average 5.6) times. Group-based trajectory modeling was applied to identify BMI trajectories over time. New-onset diabetes was confirmed in 2016. RESULTS: During 2011-2016, four distinct BMI trajectories were identified according to BMI range and changing pattern over time: "low" (19.6%), "moderate" (33.4%), "moderate-high" (33.4%) and "high" (13.6%). A total of 168 (3.7%) new-onset diabetes cases were confirmed in 2016. Compared with the "low" BMI trajectory, participants in the "high" BMI trajectory were at significantly higher risk for new-onset diabetes (adjusted relative risk 3.24, 95% confidence interval 1.27-8.24). Notably, BMI trajectories based on the first four or three annual BMI tests yielded similar results. By contrast, no significant correlation was found between categories of baseline BMI and new-onset diabetes in 2016 after multivariate adjustment. CONCLUSIONS: The present results show that distinct BMI trajectories, even identified using just four or three annual BMI tests, are significantly associated with new-onset diabetes. Monitoring BMI trajectories over time might provide an important approach to identify subpopulations at higher risk for developing diabetes.
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 ».