Waist circumference cut-off points to identify major cardiovascular events and incident diabetes in Latin America: findings from the prospective Urban rural epidemiology study Colombia
Notice bibliographique
Résumé
Background: Abdominal obesity (AO) indirectly represents visceral adiposity and can be assessed by waist circumference (WC) measurement. In Latin America, cut-off points for the diagnosis of AO are based on Asian population data. We aim to establish the WC cut-off points to predict major cardiovascular events (MACE) and incident diabetes. Methods: We analyzed data from the cohort PURE study in Colombia. WC cut-off points were defined according to the maximum Youden index. Multivariate logistic regression was used to obtain associations between WC and MACE, diabetes, and cumulative incidence of outcomes visualized using Kaplan-Meier curves. Results: After a mean follow-up of 12 years, 6,580 individuals with a mean age of 50.7 ± 9.7 years were included; 64.2% were women, and 53.5% were from rural areas. The mean WC was 85.2 ± 11.6 cm and 88.3 ± 11.1 cm in women and men, respectively. There were 635 cases of the MACE composite plus incident diabetes (5.25 events per 1,000 person-years). Using a cut-off value of 88.85 cm in men (sensitivity = 0.565) and 85.65 cm in women (sensitivity = 0.558) resulted in the highest value for the prediction of the main outcome. These values were associated with a 1.76 and 1.41-fold increased risk of presenting the composite outcome in men and women, respectively. Conclusions: We defined WC cut-off points of 89 cm in men and 86 cm in women to identify the elevated risk of MACE and incident diabetes. Therefore, we suggest using these values in cardiovascular risk assessment in Latin America.
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 | 0,010 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».