Exploring the diabesity characteristics and associated all-cause mortality at a population level: results from a small European island state
Notice bibliographique
Résumé
Abstract Aim Diabesity, the co-occurrence of diabetes and obesity, presents a global health crisis. Understanding its prevalence, associated risk factors, and mortality outcomes is crucial for effective public health interventions. This study aims to investigate the prevalence of diabesity and diabetes, assess associated risk factors, and analyze mortality outcomes over a 7-year period in the diabetogenic country of Malta. Subject and methods A nationwide health examination survey (2014–16) was conducted involving 3947 adults aged 18–70 years. Sociodemographic data, anthropometric measurements, and blood samples were collected. Relationships between different adiposity indices were explored. Mortality data was obtained by cross-referencing with the national mortality register. Statistical analyses included chi-square tests, logistic regression, and Cox proportional hazard models. Results Prevalence of obesity was 34.08%, diabetes 10.31%, and diabesity 5.78%. Sociodemographic characteristics were similar across all three cohorts. Multivariable regression identified increasing age (OR 1.10 CI95% 1.07–1.12; p ≤ 0.001), male gender (OR 0.53 CI95% 0.30–0.93; p = 0.03), and low educational level (OR 2.19 CI95% 1.39–3.45; p = 0.001) as significant predictors of diabesity. Only diabetes showed a significant increase in mortality risk (HR 3.15 CI95% 1.31–7.62; p = 0.02) after adjustment, with gender (HR 3.17 CI95% 1.20–8.37) and body adiposity index (HR 1.08 CI95% 1.01–1.16) also significant ( p ≤ 0.05). Conclusion Diabesity represents a substantial public health challenge in Malta, with implications for mortality outcomes. Targeted interventions addressing sociodemographic disparities and promoting healthy lifestyles are essential to mitigate its impact. The findings underscore the need for comprehensive healthcare strategies and policy initiatives to combat diabesity and reduce associated mortality rates.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».