The urgency in proposing the optimal obesity cutoff value in Indonesian population: A narrative review
Notice bibliographique
Résumé
In developing nations such as Indonesia, obesity and central obesity have emerged as major public health issues. Many studies have revealed that morbidity and death from obesity-related diseases are already significant in some "Asian" communities at low body mass index (BMI) levels. A recent study showed that the obesity prevalence in Indonesia is underestimated when using the current BMI cutoff (obese ≥ 27.0). Indonesia faced an increase in obesity-related chronic diseases despite having a lower obesity prevalence than developed countries, which may be explained by the underestimation of obesity levels in Indonesia. This creates a huge global health problem, as well as an economic burden. Another recent study on the Indonesian population depicted the new proposed cutoff of waist circumference (WC), which is lower than the World Health Organization (WHO) standard for detecting the early detection of type 2 diabetes mellitus (T2DM), one of the comorbidities and a strong correlation with obesity. An analysis of 58 studies in 2021 that included Indonesian adult subjects revealed enormous differences and ambiguities in defining obesity cutoffs values among Indonesian researchers. Additionally, we advocate adding the Edmonton Obesity Staging System (EOSS) staging to the anthropometric classification for a better clinical evaluation of obesity. Considering the urgency of obesity determination in Indonesia for clinical application and study purposes, this review highlights the need to revise the optimal cutoff value for obesity to warrant early prevention and control of diabetes complications.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».