Obesity indicators that best predict type 2 diabetes in an Indian population: insights from the Kerala Diabetes Prevention Program
Notice bibliographique
Résumé
Abstract Obesity indicators are known to predict the presence of type 2 diabetes mellitus (T2DM); however, evidence for which indicator best identifies undiagnosed T2DM in the Indian population is still very limited. In the present study we examined the utility of different obesity indicators to identify the presence of undiagnosed T2DM and determined their appropriate cut point for each obesity measure. Individuals were recruited from the large-scale population-based Kerala Diabetes Prevention Program. Oral glucose tolerance tests was performed to diagnose T2DM. Receiver operating characteristic (ROC) curve analyses were used to compare the association of different obesity indicators with T2DM and to determine the optimal cut points for identifying T2DM. A total of 357 new cases of T2DM and 1352 individuals without diabetes were identified. The mean age of the study participants was 46⋅4 (sd 7⋅4) years and 62 % were men. Waist circumference (WC), waist:hip ratio (WHR), waist:height ratio (WHtR), BMI, body fat percentage and fat per square of height were found to be significantly higher (P < 0⋅001) among those with diabetes compared with individuals without diabetes. In addition, ROC for WHR (0⋅67; 95 % 0⋅59, 0⋅75), WHtR (0⋅66; 95 % 0⋅57, 0⋅75) and WC (0⋅64; 95 % 0⋅55, 0⋅73) were shown to better identify patients with T2DM. The proposed cut points with an optimal sensitivity and specificity for WHR, WHtR and WC were 0⋅96, 0⋅56 and 86 cm for men and 0⋅88, 0⋅54 and 83 cm for women, respectively. The present study has shown that WHR, WHtR and WC are better than other anthropometric measures for detecting T2DM in the Indian population. Their utility in clinical practice may better stratify at-risk patients in this population than BMI, which is widely used at present.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».