Association between waterpipe smoking and obesity:Population-based study in Qatar
Notice bibliographique
Résumé
Over the past decade obesity prevalence has been increasing rapidly in the Gulf region (GR) including Qatar, becoming one of the major health issues in the region. Concomitantly, waterpipe (WP) smoking is increasing worldwide especially in the GR, and although the effect of cigarette smoking on body weight is well-established, studies indicating an association between WP smoking and obesity are scarce. Thus, we explored the association between WP smoking and obesity in comparison with cigarette smokers and healthy population in Qatar. METHODS We performed a cross-sectional study using data from Qatar Biobank and analyzed anthropometric measurements among 879 adults (aged 18-65 years) that included WP smokers, cigarette smokers, dual smokers and never smokers. Body composition was measured using bioelectrical impedance analysis and reported as lean mass, fat mass, and body fat percentage. RESULTS Overall, 12% (n=108) were WP smokers, 22% (n=196) were cigarette smokers, 9% (n=77) smoked both WP and cigarettes and 57% (n=498) were never smokers. Age, sex, history of diabetes, and hypertension, in addition to nationality were considered as confounding factors. Our analysis revealed that WP smokers had a significantly higher BMI (kg/m 2 ) and fat mass when compared with cigarette smokers (p<0.05). Moreover, compared to cigarette smoking, WP smoking had a higher significant effect on BMI (=3.8, SE=0.38; and =5.5, SE=0.46; respectively), and fat mass (=5.1, SE=0.79; and =9.0, SE=0.97; respectively). However, WP users were similar to never-smokers in terms of body fat percent. CONCLUSIONS Our data indicate that compared to never smokers, daily WP users have higher BMI and fat mass, and are likely to be obese.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».