Adiposity, type 2 diabetes and atherosclerotic cardiovascular disease risk: Use and abuse of the body mass index
Notice bibliographique
Résumé
The worldwide prevalence of individuals with an elevated body weight has increased steadily over the past five decades. Billions of research dollars have been invested to improve our understanding of the causes and consequences of having an elevated body weight. All this knowledge has, however, failed to influence populational body weight trajectories of most countries around the world. Research on the definition of "obesity" has also evolved. Body mass index (BMI), the most commonly used tool to make its diagnosis, has major limitations. In this review article, we will highlight evidence from observational studies, genetic association studies and randomized clinical trials that have shown the remarkable inter-individual differences in the way humans store energy as body fat. Increasing evidence also suggests that, as opposed to weight inclusive, lifestyle-based approaches, weight-centric approaches advising people to simply eat less and move more are not sustainable for most people for long-term weight loss and maintenance. It is time to recognize that this outdated approach may have produced more harm than good. On the basis of pathophysiological, genetic and clinical evidence presented in this review, we propose that it may be time to shift away from the traditional clinical approach, which is BMI-centric. Rather, emphasis should be placed on actionable lifestyle-related risk factors aiming at improving overall diet quality and increasing physical activity level in 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».