Life-course trajectories of body mass index and subsequent cardiovascular risk among Chinese population
Notice bibliographique
Résumé
BACKGROUND: Examining body mass index (BMI) change over life course is crucial for cardiovascular health promotion and prevention. So far, there is very few evidence on the long-term change of BMI from childhood to late life. This study aimed to examine the life-course trajectory patterns of BMI and then to link the trajectory patterns to cardiovascular risk factors in adulthood. METHODS: Based on longitudinal data from the China Health and Nutrition Survey, 5276 participants (aged 6-60) at baseline (in 1989) with up to 7 measurements of BMI during 1989-2009 were selected in this study. Cardiovascular risk factors including high blood pressure, high blood glucose and high blood lipids were assessed in 2411 participants in 2009. Latent growth curve modelling was used to analyse the BMI trajectories, and logistic regression was used to examine the associations between trajectory patterns and cardiovascular risk factors. RESULTS: Four trajectories patterns of BMI over life course (age 6-80) were identified: Normal-Stable (22.4% of the total participants), Low normal-Normal-Stable (44.1%), Low normal-Normal-Overweight (27.2%), and Overweight-Obese (4.3%). Compared to those with Normal-Stable pattern, those with Low normal-Normal-Stable pattern, Low normal-Normal-Overweight pattern and Overweight-Obese pattern had higher risk of high blood pressure (odds ratio range = 1.6-6.6), high blood glucose (1.7-9.1), dyslipidemia (2.6-5.9) and having at least two of the three cardiovascular risk factors (3.9-30.9). CONCLUSIONS: Having a stable BMI within normal range over life course is associated with the lowest cardiovascular risk, whereas remaining overweight and obese over life course is associated with the highest cardiovascular risk.
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 | 0,000 | 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 ».