Associations between obesity and ocular health in Spanish adults
Notice bibliographique
Résumé
Abstract Introduction Obesity has been associated with poor vascular health, but not in a Spanish population. Therefore, the study aimed to investigate associations between obesity and cataract, wearing glasses or contact lenses, and trouble seeing in a large representative sample of the Spanish adult population. Methods Cross‐sectional data from the Spanish National Health Survey 2017 were analyzed. Body mass index (BMI) was calculated and obesity was defined as BMI ≥ 30 kg/m2. Ocular health included three dichotomous variables (presence vs absence): self‐reported cataract, wearing glasses or contact lenses, and trouble seeing. Multivariable logistic regressions were used to assess associations between obesity (independent variable) and ocular health outcomes (dependent variables). Covariates included in the analysis were sex, age, marital status, education, smoking, alcohol, and diabetes. Results A total of 23 089 participants were included (54.1% female; mean [SD] age = 53.4 [18.9] years). After adjusting for sex, age, marital status, education, smoking, alcohol, diabetes, and wearing glasses or contact lenses (for the trouble seeing analysis only), obesity was found to be a risk factor for cataract (odds ratio [OR] = 1.22; 95% confidence interval [CI], 1.09‐1.37) and trouble seeing (OR = 1.20; 95% CI, 1.09‐1.32) but not for wearing glasses or contact lenses (OR = 0.99; 95% CI, 0.91‐1.08). These findings were corroborated in participants ≥64 years. Conclusions In this large representative sample of Spanish adults, we found that obesity was a risk factor for cataract and trouble seeing. Lifestyle interventions aiming at the reduction of obesity in this population may indirectly improve ocular health. Such lifestyle interventions are important to implement considering the rising trend of obesity in Spain.
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 | 0,001 |
| 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 | 0,001 | 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) | 0,003 | 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 ».