MétaCan
Menu
Retour à la cohorte
Enregistrement W1964572613 · doi:10.1080/07315724.2013.848157

The Relationship Between Diet Quality and Adult Obesity: Evidence from Canada

2014· article· en· W1964572613 sur OpenAlexafffundabout
Kala Sundararajan, M. Karen Campbell, Yun‐Hee Choi, Sisira Sarma

Notice bibliographique

RevueJournal of the American College of Nutrition · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensChildren’s Health Research InstituteWestern University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésBody mass indexLatent class modelObesityConfoundingDemographyMedicineGerontologyStatisticsInternal medicineMathematics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To assess the relationship between diet quality and body mass index (BMI) in Canadian adults. METHODS: We used confidential, individual-level data on 6325 adult men and 7211 nonpregnant adult women from the 2004 Canadian Community Health Survey to construct 2 diet quality indices (the Diet Quality Index [DQI] and and the Healthy Eating Index [HEI]) and BMI. After adjusting for known observable confounders, a latent class modeling analysis was conducted to account for unobservable confounders. RESULTS: We found that there were 2 latent classes (low-BMI and high-BMI components), and that DQI and HEI indices were negatively associated with BMI in the high-BMI component. In the high-BMI component, a one-unit increase in DQI score is associated with a 0.053 kg/m(2) decrease in BMI, whereas a one-unit increase in HEI score is associated with a 0.095 kg/m(2) decrease in BMI. Subgroup analyses revealed that the association between diet quality and obesity was stronger in women. CONCLUSIONS: Diet quality is associated with lower BMI in high-BMI individuals in Canada. Diet quality exhibits a distinct association in each latent class; this association is stronger in women. Latent class analysis offers a superior methodological framework in understanding the modifiable risk factors for obesity.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,310
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations60
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of the American College of NutritionMême sujetNutritional Studies and DietTravaux en français237 207