一个新的代谢综合征预测模型,用于自我评估,作为一种主要的查工具,在一个显然没有MetS的人群中

科学领域:

• 公共卫生 公共卫生
• 预防医学 预防医学
• 流行病学 流行病学

背景情况:

• 代谢综合征 (MetS) 是一个重大的全球健康挑战,增加了发病率和死亡率.
• 早期识别MetS对于及时干预和风险管理至关重要.

研究的目的:

• 开发一个简单的,自我管理的预测模型来识别代谢综合征.
• 创建一个实用的查工具,用于初级和二级预防MetS.

主要方法:

• 一项横截面研究利用了美国国家健康和营养检查调查 (2009-2018) 的数据.
• 用多变量逻辑回归来构建预测模型,并对单独的数据集进行验证.
• 接收器运行特征曲线 (AUC) 下的面积评估了模型歧视.

主要成果:

• 最终的模型包括年龄,性别,种族,教育和身体质量指数 (BMI).
• 该模型表现出强烈的歧视,AUC为0.810.
• 对MetS的关键预测因素包括年龄较大,男性性别,非黑人种族,教育程度较低和BMI较高.

结论:

• 一个新的,用户友好的自我评估模型可以作为MetS的初始查工具.
• 该工具支持初级和二级预防策略,可能降低心血管风险和医疗保健成本.