Obesity Phenotypes, Lifestyle Medicine, and Population Health: Precision Needed Everywhere!
Notice bibliographique
Résumé
The worldwide prevalence of obesity is a key factor involved in the epidemic proportions reached by chronic societal diseases. A revolution in the study of obesity has been the development of imaging techniques for the measurement of its regional distribution. These imaging studies have consistently reported that individuals with an excess of visceral adipose tissue (VAT) were those characterized by the highest cardiometabolic risk. Excess VAT has also been found to be accompanied by ectopic fat deposition. It is proposed that subcutaneous versus visceral obesity can be considered as two extremes of a continuum of adiposity phenotypes with cardiometabolic risk ranging from low to high. The heterogeneity of obesity phenotypes represents a clinical challenge to the evaluation of cardiometabolic risk associated with a given body mass index (BMI). Simple tools can be used to better appreciate its heterogeneity. Measuring waist circumference is a relevant step to characterize fat distribution. Another important modulator of cardiometabolic risk is cardiorespiratory fitness. Individuals with a high level of cardiorespiratory fitness are characterized by a lower accumulation of VAT compared to those with poor fitness. Diet quality and level of physical activity are also key behaviors that substantially modulate cardiometabolic risk. It is proposed that it is no longer acceptable to assess the health risk of obesity using the BMI alone. In the context of personalized medicine, precision lifestyle medicine should be applied to the field of obesity, which should rather be referred to as 'obesities.'
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».