Prevalence of Metabolic Syndrome by different definitions, and its association with type 2 diabetes, pre-diabetes, and cardiovascular disease risk in Brazil
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Metabolic Syndrome (MS) is increasing in developing countries. Different definitions of MS lead to discrepancies in prevalence estimates and applicability. We assessed the prevalence of MS as defined by the International Diabetes Federation (IDF), modified National Cholesterol Education Program Adult Treatment Plan III (Modified NCEP) and Joint Interim Statement (JIS); compared the diagnostic performance and association of these definitions of MS with pre-diabetes, type 2 diabetes mellitus (T2DM) and cardiovascular disease (CVD) risk. METHODS: A total of 714 randomly selected subjects from Northeastern Brazil were investigated in a cross-sectional study. Sociodemographic, anthropometric, and clinical data were recorded. Diagnostic test performance measures assessed the ability of the different MS definitions to identify those with pre-diabetes, T2DM and increased CVD risk. RESULTS: The adjusted prevalence of MS was 36.1% applying the JIS criteria, 35.1% the IDF and 29.5% Modified NCEP. Women were more affected by MS according to all definitions. MS was significantly associated with pre-diabetes, T2DM and CVD risk following the three definitions. However, the JIS and IDF definitions showed higher sensitivity than the Modified NCEP to identify pre-diabetes, T2DM and CVD risk. The odds ratios for those conditions were not significantly different when comparing the definitions. CONCLUSIONS: MS is highly prevalent in Brazil, particularly among those with pre-diabetes, T2DM, and high CVD risk. The IDF and JIS criteria may be better suited in the Brazilian population to identify pre-diabetes, T2DM and CVD risk. This may also signify the importance of the assessment of MS in clinical practice.
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 | 0,016 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».