MétaCan
Menu
Retour à la cohorte
Enregistrement W3169302653 · doi:10.1186/s13098-021-00688-7

Performance of waist-to-height ratio as a screening tool for identifying cardiometabolic risk in children: a meta-analysis

2021· article· en· W3169302653 sur OpenAlexaff
Yuan Jiang, Yalan Dou, Hongyan Chen, Yi Zhang, Xiaotian Chen, Wang Yin, Myanca Rodrigues, Weili Yan

Notice bibliographique

RevueDiabetology & Metabolic Syndrome · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesEducation and Scientific Research Project of ShanghaiUniversity of Nottingham
Mots-clésMedicineObservational studyBivariate analysisDemographyMeta-analysisBiostatisticsSubgroup analysisContingency tablePediatricsEpidemiologyInternal medicineStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract Objective To provide the latest evidence of performance and robustness of waist-to-height ratio (WHtR) in discriminating clusters of cardiometabolic risk factors (CMRs) and promote WHtR in routine primary health care practice in children, a meta-analysis was used. Methods Searches was performed in eight databases from inception to July 03, 2020. Inclusion criteria were: (1) observational study, (2) children and adolescents, (3) provided WHtR measurements, (4) had CMRs as outcomes, and (5) diagnostic studies. Exclusion criteria were: (1) non-original articles, (2) unable to extract 2 × 2 contingency tables, (3) not in English or Chinese language, (4) populations comprising clinical patients, or (5) duplicate articles. WHtR cutoff points, 2 × 2 contingency tables were extracted from published reports. Outcomes included: CMR clusters of at least three CMRs (CMR 3 ), two (CMR 2 ), one (CMR 1 ), and CMR components. Bivariate mixed-effects models were performed to estimate the summarised area under the curves (AUSROC) with 95% CI s and related indexes. We conducted subgroup analyses by sex and East Asian ethnicity. Results Fifty-three observational studies were included. The AUSROC reached 0.91 (95% CI : 0.88–0.93), 0.85 (95% CI : 0.81, 0.88) and 0.75 (95% CI : 0.71, 0.79) for CMR 3 , CMR 2 , and CMR 1 , respectively. The pooled sensitivity and specificity for CMR 3 reached 0.84 and exceeded 0.75 for CMR 2 . For CMR 1 , the sensitivity achieved 0.55 with 0.84 for specificity. We had similar findings for our subgroup and sensitivity analyses. Conclusions WHtR shows good and robust performance in identifying CMRs clustering across racial populations, suggesting its promising utility in public health practice globally.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,033
score de la tête « metaresearch » (Gemma)0,063
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,175

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,063
Méta-épidémiologie (sens strict)0,0050,002
Méta-épidémiologie (sens large)0,0220,085
Bibliométrie0,0090,007
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0030,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,301
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetology & Metabolic SyndromeMême sujetObesity, Physical Activity, DietTravaux en français237 207