Bibliographic record
Abstract
Introduction Le syndrome métabolique (SMét) est un ensemble de marqueurs de risques qui semble favoriser l'apparition de maladies chroniques. Nous avons examiné le fardeau lié au SMét au Canada et son association actuelle et projetée avec les maladies chroniques. Méthodologie Nous avons utilisé les données de l'Enquête canadienne sur les mesures de la santé 2007-2009 pour déterminer la prévalence du SMét chez les adultes canadiens et pour examiner les associations entre divers facteurs sociodémographiques et les principales maladies chroniques. Nous avons estimé l'incidence cumulative projetée du diabète et le risque, en pourcentage, d'événements cardiovasculaires mortels en utilisant l'algorithme DPoRT (Diabetes Population Risk Tool) et l'algorithme de Framingham. Résultats Après ajustement en fonction de l'âge, nous avons pu déterminer que 14,9 % des adultes canadiens présentaient un SMét. Les taux étaient similaires pour les deux sexes, mais ils étaient plus élevés chez les non-Blancs et chez les personnes présentant un embonpoint ou obèses (p $lt; 0,001 dans les trois cas). L'importance du SMét sur le plan de la santé publique découle du fait qu'il est associé de manière statistiquement significative avec des maladies chroniques, en particulier avec le diabète de type 2 diagnostiqué (11,2 % contre 3,4 %) et non diagnostiqué (6,0 % contre 1,1 %). Le taux estimé d'incidence sur 10 ans associé au diabète et le risque moyen en pourcentage d'événements cardiovasculaires mortels étaient plus élevés chez les personnes atteintes de SMét que chez celles qui ne l'étaient pas (18,0 % contre 7,1 % pour le diabète et 4,1 % contre 0,8 % pour les maladies cardiovasculaires). Conclusion Le SMét est répandu chez les adultes canadiens, et une forte proportion de personnes souffrant d'un SMét ont également des affections chroniques, diagnostiquées ou non. Les estimations projetées du taux d'incidence de maladies chroniques associées à un SMét sont plus élevées chez les personnes aux prises avec ce syndrome. Par conséquent, le SMét pourrait être un facteur de risque pertinent dans l'apparition de maladies chroniques.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".