Diabetes Drives Cardiovascular Risk in the Metabolic Triad: An Eight-Year Occupational Cohort Study of Ten Thousand Workers
Notice bibliographique
Résumé
Background: Cardiovascular diseases remain the leading cause of death and maintain a high burden in Latin America. Obesity, hypertension, and type 2 diabetes are independent risk factors, but their coexistence could amplify cardiovascular damage beyond their individual sum. The aim of our study was to determine, in a Peruvian occupational cohort followed for 8 years, how the coexistence of obesity, hypertension, and diabetes is associated with the incidence of major cardiovascular events and to identify which combinations confer the highest risk. Methods: This was a retrospective observational cohort study of Peruvian workers without cardiovascular history, followed for 8 years. Obesity, hypertension, and diabetes were evaluated in eight mutually exclusive categories. The outcome was cardiovascular disease. Adjusted risk ratios were estimated using Cox regression, adjusted for age, sex, cholesterol, and triglycerides. Results: A progressive risk increase pattern was observed where the group without components had an incidence of 1.30 per 1,000 person-years, while the triad reached 34.94 per 1,000 person-years with adjusted hazard ratio (aHR) = 10.87 (2.81 - 42.06). Among isolated components, diabetes showed the highest risk (aHR = 4.24; 1.36 - 13.35) compared to obesity (1.45; 0.68 - 3.10) and hypertension (1.17; 0.32 - 4.24). In combinations, obesity + diabetes (aHR = 6.34; 1.73 - 23.27) and diabetes + hypertension (5.86; 1.47 - 23.39) concentrated the highest risks, above obesity + hypertension (2.01; 0.71 - 5.72). Conclusions: In the working population, the coexistence of obesity, hypertension, and diabetes progressively increases CVD risk, with diabetes as the main axis and the triad identifying a very high-risk subgroup. These findings support periodic screening and intensive multifactorial management in the occupational setting, prioritizing those presenting diabetes alone or in combination.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».