Arthritis prevalence is associated with metabolic syndrome risk factors but not with physical activity in middle-aged and older patients - a cross-sectional study
Notice bibliographique
Résumé
Abstract Background In light of the aging population, increasingly suffering from the metabolic syndrome (MS), strategies need to be developed to address global public health challenges known to be associated with MS such as arthritis. As physical activity (PA) may play a crucial role in tackling those challenges, this study aimed to determine the association between the number of MS risk factors, PA and arthritis in people ≥ 50 years old. Methods Data from the Survey of Health, Ageing, and Retirement in Europe (SHARE) were used to estimate the prevalence of arthritis and MS risk factors in the European population ≥ 50 years and to evaluate the associations between MS risk factors, PA and arthritis. Binary logistic regression was performed to calculate the odds ratio of different factors. Results 73,125 participants were included in the analysis. 55.75% of patients stated at least one of the three MS risk factors. The prevalence of rheumatoid arthritis (RA) and osteoarthritis (OA)/other rheumatism among ≥ 50 years population was 10.19% and 19.32% respectively. Females showed a higher prevalence of arthritis than males. Prevalence did not differ between groups with different levels of PA. Arthritis prevalence was positively correlated with the number of MS risk factors (P < 0.01) but not with PA (P > 0.05). Conclusion Middle-aged and older Europeans with multiple comorbidities suffered from RA, OA or other rheumatism more frequently than participants with fewer comorbidities, while the level of physical activity was not associated with the number of metabolic risk factors in patients with RA and OA/other rheumatism.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,027 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».