Association Between Anthropometric Risk Factors and Metabolic Syndrome Among Adults in India: A Systematic Review and Meta-Analysis of Observational Studies
Notice bibliographique
Résumé
INTRODUCTION: Several studies have explored the effect of anthropometric risk factors on metabolic syndrome. However, no systematic effort has explored the effect of overweight and obesity on the prevalence of metabolic syndrome in India. Thus, we undertook a meta-analysis to estimate the effect of anthropometric risk factors on the prevalence of metabolic syndrome. METHODS: We searched databases PubMed Central, EMBASE, MEDLINE, and Cochrane library and search engines ScienceDirect and Google Scholar, from January 1964 through March 2021. We used the Newcastle-Ottawa scale to assess the quality of published studies, conducted a meta-analysis with a random-effects model, and reported pooled odds ratios (OR) with 95% CIs. RESULTS: We analyzed 26 studies with a total of 37,965 participants. Most studies had good to satisfactory quality on the Newcastle-Ottawa scale. Participants who were overweight (pooled OR, 5.47; 95% CI, 3.70-8.09) or obese (pooled OR, 5.00; 95% CI, 3.61-6.93) had higher odds of having metabolic syndrome than those of normal or low body weight. Sensitivity analysis showed no significant variation in the magnitude or direction of outcome, indicating the lack of influence of a single study on the overall pooled estimate. CONCLUSION: Overweight and obesity are significantly associated with metabolic syndrome. On the basis of evidence, clinicians and policy makers should implement weight reduction strategies among patients and the general population.
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 | 0,017 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,030 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».