Triglyceridemic Waist Phenotypes as Risk Factors for Type 2 Diabetes Mellitus: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Introduction: Triglyceride waist phenotypes, which combine high triglyceride levels and central obesity, have recently emerged as an area of interest in metabolic disease research. Objective: To conduct a systematic review (SR) with meta-analysis to determine if triglyceride waist phenotypes are a risk factor for T2DM. Materials: SR with meta-analysis of cohort studies. The search was conducted in four databases: PubMed/Medline, Scopus, Web of Science, and EMBASE. Participants were classified into four groups, based on triglyceride level and waist circumference (WC): 1) Normal WC and normalConduct triglyceride level (NWNT); 2) Normal WC and high triglyceride level (NWHT), 3) Altered WC and normal triglyceride level (EWNT) and 4) Altered WC and high triglyceride level (EWHT). For the meta-analysis, only studies whose measure of association were presented as Hazard ratio (HR) along with 95% confidence intervals (CI95%) were used. Results: Compared to people with NWHT, a statistically significant association was found for those with NWHT (HR: 2.65; CI95% 1.77–3.95), EWNT (HR: 2.54; CI95% 2.05–3.16) and EWHT (HR: 4.41; CI95% 2.82–6.89). Conclusions: There is a clear association between triglyceride waist phenotypes and diabetes, according to this SR and meta-analysis. Although central obesity and high triglyceride levels are associated with a higher risk of the aforementioned disease, their combination appears to pose an even greater risk. Therefore, in the clinical setting, it is important to consider this when assessing the risk of 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
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 | 0,014 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,029 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».