Weakness Status is Differentially Associated with Time to Diabetes in Americans
Notice bibliographique
Résumé
Background: The purpose of this study was to evaluate the associations of (1) individual absolute and body size normalized weakness cut-points, and (2) the collective weakness classifications on time to diabetes in Americans. Methods: We analyzed data from 9577 adults aged at least 50-years from the Health and Retirement Study. Diabetes diagnosis was self-reported. A handgrip dynamometer measured handgrip strength (HGS). Males with HGS <35.5 kg (absolute), <0.45 kg/kg (normalized to body weight), or <1.05 kg/kg/m2 (normalized to BMI) were categorized as weak. Females were classified as weak if their HGS was <20.0 kg, <0.337 kg/kg, or <0.79 kg/kg/m2. Compounding weakness included falling below 1, 2, or all 3 cut-points. Results: Persons below the body weight normalized weakness cut-points had a 1.29 (95% confidence interval (CI): 1.15–1.47) higher hazard for incident diabetes, while those below the BMI normalized cut-points had a 1.30 (CI: 1.13–1.51) higher hazard. The association between absolute weakness and incident diabetes was insignificant (hazard ratio: 1.06; CI: 0.91–1.24). Americans below 1, 2, or all 3 collective weakness categories had a 1.28 (CI: 1.10–1.50), 1.29 (CI: 1.08–1.52), and 1.33 (CI: 1.09–1.63) higher hazard for the incidence of diabetes, respectively. Conclusions: Our findings indicate that while absolute weakness, which is confounded by body size, was not associated with time to diabetes, adjusting for the influence of body size by normalizing HGS to body weight and BMI was significantly associated with time to diabetes. This suggests that muscle strength, not body size, may be driving such associations with time to 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».