Association of Household and Community Socioeconomic Position and Urbanicity with Underweight and Overweight among Women in Pakistan
Notice bibliographique
Résumé
BACKGROUND: Similar to other developing countries, Pakistan is going through a rapid nutrition transition where shift from underweight to overweight and obesity is occurring. In this paper, we report on the relationship of household socioeconomic position (SEP), community SEP and urbanicity with under- and over-weight categories of BMI among Pakistani women. METHODS: We analyzed data on 4,767 women ages 15-49 years enrolled in a nationally representative Pakistan Demographic Health Survey (PDHS) conducted in 2012-13 that employed a multistage, stratified cluster sampling design. We assessed the association of urbanicity, household and community SEP derived from household assets and utilities, with categories of body mass index (BMI) using multinomial regression analysis where normal weight (BMI 18.6-22.5) was the reference category. RESULTS: Thirteen percent of women were underweight (BMI <18.5), 15% pre-overweight (BMI: 22.6-24.9), 25% overweight (BMI: 25.0-29.9) and 14% were obese (BMI≥30). Pre-overweight, overweight and obesity among women increased across household wealth quintiles (HWQs) in a graded fashion whereas there was no significant difference in underweight by household wealth. Women in urban areas were more likely to be obese. There was a pronounced increase in adjusted odds ratios (aORs) for overweight/obesity across HWQs within urban areas compared to rural areas. There was a steeper gradient in aORs for obesity from 1st to 5th HWQs in high income communities compared to the middle- and low income communities. In community-level analyses, communities in urban areas were more likely to have higher levels of obesity while in rural areas, especially in Sindh, more communities were more likely to have a higher level of underweight. CONCLUSION: A shift to higher overweight and obesity than underweight in Pakistan is associated with high household and community wealth as well as living in urban areas. Clustering of obesity and underweight in distinct communities afford opportunity for tailored intervention programs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».