Sex, Socioeconomic and Regional Disparities in Age Trajectories of Childhood BMI, Underweight and Overweight in China
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Using a longitudinal dataset from the China Health and Nutrition Survey (CHNS), growth curve models were employed to examine age trajectories of BMI for 1,694 subjects who were aged 2-11 in 1993 and followed in four waves (1997, 2000, 2004 and 2006). Based on age- and sex-specific BMI cut-points recommended for international use, the prevalence rates of overweight and underweight in the transition from childhood to adulthood (age 6-18) were also predicted. Sex, family income, rural-urban residency and geographical location were found to be significantly associated with the onsets, slopes, and acceleration of age trajectories in BMI, overweight, and underweight (P<0.01). Children who had lower prevalence of underweight in the transition from childhood to adulthood exhibited higher prevalence of overweight than their counterparts did. Moreover, the age interval during which children were more vulnerable to an increase in underweight was different from that for overweight. There were substantial regional disparities in the age trajectories of childhood overweight and underweight. Whereas the analyses suggest that the dual burden of nutritional problems (the coexistence of overweight and underweight) in China is more like two sides of a coin than two separate health issues, the critical age period for intervening in childhood overweight is different from that of childhood underweight. Geographical indicators of childhood obesity in China deserve further attention.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle