Burden of disease attributable to high body mass index: an analysis of data from the Global Burden of Disease Study 2021
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Obesity represents a major global health challenge with important clinical implications. Despite its recognized importance, the global disease burden attributable to high body mass index (BMI) remains less well understood. Methods: for individuals aged ≥20 years. The Socio-Demographic Index (SDI) was used as a composite measure to assess the level of socio-economic development across different regions. Subgroup analyses considered age, sex, year, geographical location, and SDI. Findings: From 1990 to 2021, the global deaths and DALYs attributable to high BMI increased more than 2.5-fold for females and males. However, the age-standardized death rates remained stable for females and increased by 15.0% for males. Similarly, the age-standardized DALY rates increased by 21.7% for females and 31.2% for males. In 2021, the six leading causes of high BMI-attributable DALYs were diabetes mellitus, ischemic heart disease, hypertensive heart disease, chronic kidney disease, low back pain and stroke. From 1990 to 2021, low-middle SDI countries exhibited the highest annual percentage changes in age-standardized DALY rates, whereas high SDI countries showed the lowest. Interpretation: The worldwide health burden attributable to high BMI has grown significantly between 1990 and 2021. The increasing global rates of high BMI and the associated disease burden highlight the urgent need for regular surveillance and monitoring of BMI. Funding: National Natural Science Foundation of China and National Key R&D Program of China.
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.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle