Comparative study on prevalence of metabolic syndrome based on three criteria among adults in Zhejiang province, China: an observational study
Notice bibliographique
Résumé
OBJECTIVES: In this study, we aimed to estimate the prevalence of metabolic syndrome (MetS) among Chinese adults, describe the disease components and compare utility of the existing international criteria and Chinese diagnostic criteria. DESIGN, SETTING AND PARTICIPANTS: A retrospective database analysis was conducted for one hospital in Zhejiang province, China. We analysed data (collected in 2017) from a total of 64 902 participants (37 500 males and 27 402 females), aged between 18 and 97 years, and who met the eligibility criteria. MAIN OUTCOME MEASURES: We employed three criteria for MetS proposed by the International Diabetes Federation (IDF) in 2005, the 2009 Joint Scientific Statement (harmonising criteria) and the China Diabetes Society (CDS) in 2013 to detect prevalence of MetS. Specifically, we analysed waist circumference, blood pressure, fasting plasma glucose, plasma triglycerides and plasma high-density lipoprotein cholesterol. RESULTS: We found an estimated age-adjusted MetS prevalence of 20.4% using IDF 2005, 30.0% based on harmonising criteria 2009 and 16.3% under the CDS 2013. This prevalence was higher in males, older adults and increased body mass index. Analysis of agreements among the criteria were 87.2% (IDF and CDS), 87.1% (IDF and harmonising criteria) and 81.6% (CDS and harmonising criteria), while their kappa coefficients were 0.641, 0.708 and 0.572 for IDF versus CDS, IDF versus harmonising criteria and CDS versus harmonising criteria, respectively. The most prevalent MetS component was abdominal obesity (50.1%), followed by dyslipidaemia (49.5%) and hypertension (46.8%) using harmonising criteria. CONCLUSION: These findings revealed moderate agreement among the three criteria with utility in Chinese clinical settings. The harmonising criteria 2009 performed better in early identification of MetS in the Chinese population.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».