IMPACT OF HIGH BODY MASS INDEX ON FRAILTY AND MORTALITY IN MIDDLE-AGED AND OLDER ADULTS
Notice bibliographique
Résumé
Abstract Obesity is associated with higher risk of metabolic diseases. How body mass index (BMI) relates to mortality across frailty levels is controversial. We investigated the association of high BMI with frailty, and their effects on mortality. We included 36,583 participants aged ≥50 years from the 1999-2006 National Health and Nutrition Examination Survey (NHANES) cohorts (7,372) and 29,211 participants aged ≥50 years from wave 1 (2004) of Survey of Health Ageing and Retirement in Europe (SHARE). BMI was categorized as: normal: 18.5-24.9 kg/m2, overweight: 25-29.9, obese I: 30-34.9 and obese II+III: >35. A frailty index (FI) was constructed excluding nutrition-related items using 36 items for NHANES and 68 items for SHARE. Mortality data were obtained until 2015. All analyses were adjusted for educational, marital, working and smoking status. In participant aged 50-65 years, higher BMI was associated with greater frailty. Being obese level II+III increased mortality risk in male participants aged 50-65 years with FI≤0.1 [NHANES (hazard ratio (HR) 2.10, 95%CI 1.17-3.79); SHARE (2.35,1.14-4.87)]. In males aged >65 years with FI>0.3, being overweight and obese (any level) decreased mortality risk. In females aged 50-65 years, higher BMI was not associated with mortality across all frailty levels. BMI and frailty were cross-sectionally associated. The subsequent mortality impact differed by age, sex, and frailty. Obesity was not associated with mortality in middle-aged females, regardless of the degree of frailty. In males, obesity was harmful in those who were fit in middle age and protective in moderately/severely frail older ones.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».