Adolescent Obesity and Early-Onset Type 2 Diabetes
Notice bibliographique
Résumé
OBJECTIVE: Type 2 diabetes (T2D) is increasingly diagnosed at younger ages. We investigated the association of adolescent obesity with incident T2D at early adulthood. RESEARCH DESIGN AND METHODS: A nationwide, population-based study evaluated 1,462,362 adolescents (59% men, mean age 17.4 years) during 1996-2016. Data were linked to the Israeli National Diabetes Registry. Weight and height were measured at study entry. Cox proportional models were applied. RESULTS: = 0.023). In a model adjusted for sociodemographic variables, the hazard ratios for diabetes diagnosis were 1.7 (95% CI 1.4-2.0), 2.8 (2.3-3.5), 5.8 (4.9-6.9), 13.4 (11.5-15.7), and 25.8 (21.0-31.6) among men in the 50th-74th percentile, 75th-84th percentile, overweight, mild obesity, and severe obesity groups, respectively, and 2.2 (1.6-2.9), 3.4 (2.5-4.6), 10.6 (8.3-13.6), 21.1 (16.0-27.8), and 44.7 (32.4-61.5), respectively, in women. An inverse graded relationship was observed between baseline BMI and mean age of T2D diagnosis: 27.8 and 25.9 years among men and women with severe obesity, respectively, and 29.5 and 28.5 years among low-normal BMI (5th-49th percentile; reference), respectively. The projected fractions of adult-onset T2D that were attributed to high BMI (≥85th percentile) at adolescence were 56.9% (53.8-59.9%) and 61.1% (56.8-65.2%) in men and women, respectively. CONCLUSIONS: Severe obesity significantly increases the risk for incidence of T2D in early adulthood in both sexes. The rise in adolescent severe obesity is likely to increase diabetes incidence in young adults in coming decades.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,002 | 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 ».