首页> 外文OA文献 >Entwicklung und Validierung eines Risikoscores zur Prädiktion einer starken Gewichtszunahme in den nächsten 5 Jahren bei Männern und Frauen in Europa
【2h】

Entwicklung und Validierung eines Risikoscores zur Prädiktion einer starken Gewichtszunahme in den nächsten 5 Jahren bei Männern und Frauen in Europa

机译:制定和验证用于预测欧洲未来5年内男性和女性体重大幅增加的风险评分

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务,本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文,但由于OA文献来源多样且变更频繁,仍可能出现获取不到、文献不完整或与标题不符等情况,如果获取不到我们将提供退款服务。请知悉。

摘要

Die Primärprävention von Übergewicht und Adipositas ist von hoher gesamtgesellschaftlicher Bedeutung. Angesichts limitierter Ressourcen könnten Interventionsmaßnahmen zur Prävention vorrangig an jene Personen gerichtet werden, die ein hohes absolutes Risiko für die Entwicklung übermäßigen Körpergewichts aufweisen. Daher war das Ziel der vorliegenden Dissertation, einen Risikoscore zu entwickeln, der das absolute Risiko für eine starke Gewichtszunahme (SGZ) in den folgenden 5 Jahren vorhersagt. Da die multizentrische European Prospective Investigation into Cancer and Nutrition (EPIC)-Studie die Datengrundlage dieser Arbeit darstellte, konnte überdies der Frage nachgegangen werden, ob ein Risikoscore zur Prädiktion einer SGZ gleichermaßen in unterschiedlichen europäischen Populationen einsetzbar ist und ob es ein universelles, länderübergreifendes Risikoprädiktionsmodell für SGZ gibt. Für die Ableitung des Prädiktionsmodells wurden die Daten von 47.203 Männern und Frauen aus sechs Kohorten der EPIC-Studie verwendet (Lernstudienpopulation). Eine starke Gewichtszunahme war definiert als eine Zunahme von ≥10% des Ausgangsgewichts während der Nachbeobachtung. Signifikante Prädiktoren wurden mit Hilfe der Cox Regression identifiziert. Multivariable Regressionskoeffizienten dienten der Gewichtung der einzelnen Prädiktoren in der Berechnung des Risikoscores. Die Validität des Risikoscores wurde anhand von Diskrimination (Fläche unter der Receiver Operating Characteristic-Kurve, aROC) und Kalibrierung bewertet. Die externe Validität wurde mit Hilfe von acht unabhängigen EPIC-Kohorten beurteilt (Teststudienpopulation, 115.099 Männer und Frauen). Während einer mittleren Nachbeobachtungszeit von 6,2 Jahren (291.748 Personenjahre) verzeichneten 6.471 Männer und Frauen in der Lernstudienpopulation eine SGZ. Das finale Prädiktionsmodell wurde auf Basis der folgenden Prädiktoren definiert: Alter, Geschlecht, Körpergewicht und –höhe, Bildung, Aufgabe des Rauchens, Sport, Alkoholabstinenz, moderater Alkoholkonsum, Verzehr von Obst und Gemüse, rotem und verarbeitetem Fleisch, Geflügel, Brot, Butter und Margarine, Kuchen und Keksen und von Softgetränken. Das Risiko für eine SGZ in den nächsten 5 Jahren stieg von 2.0% bei 100 auf 33.6% bei 400 Score-Punkten. Die Fähigkeit zur Diskrimination des Modells gemessen anhand der aROC (95% Konfidenzintervall, KI) betrug 0,67 (0,66–0,68) in der Lernstudienpopulation und 0,57 (0,566–0,578) in der Teststudienpopulation. Die Diskriminationsfähigkeit variierte dabei zwischen den einzelnen Studienkohorten und schwankte von 0,65 bis 0,76 in der Lern- und von 0,56 bis 0,66 in der Teststudienpopulation. In den Kohorten der Lern- bzw. Teststudienpopulation wies das Modell eine sehr gute bzw. gute Kalibrierung auf. In der vorliegenden Arbeit wurde erstmalig ein Risikoscore zur Prädiktion von Gewichtszunahmen entwickelt. Dieser Score basiert auf einfach zu erhebenden Informationen zu soziodemographischen, Ernährungs- und Lebensstilfaktoren und wies eine moderate Diskriminationsfähigkeit auf. Die Ergebnisse der vorliegenden Arbeit stellen die Komplexität der Prädiktion von Gewichtszunahmen heraus und weisen darauf hin, dass deren Prädiktion im Allgemeinen begrenzt sein könnte. Innerhalb dieser Grenzen scheint ein universeller Risikoscore zur Prädiktion von Gewichtszunahmen bei europäischen Erwachsenen jedoch geeignet zu sein.
机译:预防超重和肥胖对于整个社会非常重要。鉴于资源有限,预防性干预措施应主要针对那些绝对体重过高的绝对风险较高的人群。因此,本论文的目的是建立一个风险评分,该评分可以预测未来5年内体重增加(SGZ)的绝对风险。由于多中心欧洲癌症和营养前瞻性研究(EPIC)研究为这项工作提供了数据基础,因此还对以下问题进行了调查:预测SGZ的风险评分是否可以在不同的欧洲人群中平等使用,以及它是否是通用的跨境风险预测模型在那里的SGZ。 EPIC研究的六个队列中来自47,203名男性和女性的数据用于得出预测模型(学习研究人群)。体重大幅增加的定义是在随访期间体重增加≥10%。使用Cox回归确定了重要的预测指标。在风险评分的计算中,使用多元回归系数对各个预测变量加权。风险评分的有效性是根据辨别力(接收器工作特性曲线下的面积,aROC)和校准进行评估的。使用八个独立的EPIC队列(测试研究人群,115,099名男性和女性)评估了外部有效性。在平均6.2年(291,748人年)的随访期间,学习研究人群中有6,471名男性和女性患有SGZ。根据以下预测因素定义最终预测模型:年龄,性别,体重和身高,教育程度,戒烟,运动,戒酒,适量饮酒,水果和蔬菜的消费,红色和加工肉类,家禽,面包,黄油和人造黄油,蛋糕和饼干以及汽水。未来5年,SGZ的风险从100分的2.0%增加到400分的33.6%。通过aROC(95%置信区间,CI)测量的模型区分能力在研究研究人群中为0.67(0.66-0.68),在研究研究人群中为0.57(0.566-0.578)。个体研究人群之间的区分能力各不相同,学习能力从0.65波动到0.76,测试研究人群从0.56波动到0.66。该模型在学习或测试研究人群的队列中显示出很好或很好的校准。在目前的工作中,首次开发了预测体重增加的风险评分。该分数基于易于收集的有关社会人口,营养和生活方式因素的信息,并且具有中等歧视性。本工作的结果强调了预测体重增加的复杂性,并表明他们的预测可能总体上受到限制。然而,在这些限制内,普遍风险评分似乎适合预测欧洲成年人的体重增加。

著录项

  • 作者

    Steffen, Annika;

  • 作者单位
  • 年度 2012
  • 总页数
  • 原文格式 PDF
  • 正文语种 English
  • 中图分类

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号