How Well Does Body Mass Index (BMI) Predict Undiagnosed Hypertension and Diabetes in Indonesian Adults Community Population?
Notice bibliographique
Résumé
BACKGROUND: Previous studies have reported that Body Mass Index (BMI) cut-off was related to non-communicable diseases. This study aimed to give the latest evidence related to the accuracy of BMI cut-off towards undiagnosed hypertension and diabetes in the Indonesian population. METHODS: This was A cross-sectional study that involved data of the 2018 national population-based health survey, with the samples were 15,516 male and female populations aged between 19 years old and above. This study only included those claimed to have never been diagnosed as suffering from diabetes and hypertension by health workers. Receiver operating characteristic (ROC) analysis was conducted to assess the optimal BMI cut-off. The logistic regression was performed to assess the association of BMI on undiagnosed hypertension and diabetes controlled by several variables. RESULTS: The average BMI sample was 24 kg/m2 (SD = 4.6 kg/m2. The proportion of undiagnosed hypertension was 36.9%, and 12.3% for the proportion of undiagnosed diabetes. According to the ROC, the result shows BMI was more sensitive to hypertension conditions compared to diabetes. BMI cut-off points at 23.9 kg/m2 (AUC=0.59;Se=64.3%;Sp=53.4%) was the optimum value to predict hypertension and 24.9 kg/m2 (AUC=0.55;Se=53.1%;Sp=56.4%) was the optimum for diabetes. CONCLUSIONS: Based on the optimal AUC cut-off points for BMI which is around 0.5, BMI needs to be reconsidered as an anthropometric index in predicting undiagnosed hypertension and diabetes. And an assessment can be made using other anthropometric indices, such as waist circumference to predict undiagnosed hypertension and diabetes.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
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 | 0,002 | 0,004 |
| 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 | 0,001 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».