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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,014
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0010,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 source (Gemma direct ou Codex distillé), 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