Using Correction Equations Based on Measured Height and Weight Weakens Associations between Obesity Based on Self-Reports and Chronic Diseases
Notice bibliographique
Résumé
Objective. Researchers have established a preponderance of height overestimation among men and weight underestimation among women in self-reported anthropometric data, which skews obesity prevalence data and obscures obesity-chronic disease relationships. The objective of this study was to reevaluate associations between obesity and chronic diseases using body mass index (BMI) correction equations derived from measured data. Methods. Measured height and weight (MHW) data were collected on a subsample of the 17,126 Atlantic Canadians who participated in the 2007-2008 Canadian Community Health Survey (CCHS). To obtain corrected BMI estimates for the 17,126 adults, correction equations were developed in the MHW subsample and multiple regression procedures were used to model BMI. To test obesity-chronic disease relationships, logistic regression models were utilized. Results. The correction procedure eliminated statistically significant relations ( P<0.05 ) between obesity and chronic bronchitis and obesity and stroke. Also, correction attenuated many relationships between adiposity and chronic disease. For example, among obese adults, there was a 13%, 12%, and 7% reduction in the adjusted odds ratios for asthma, urinary incontinence, and cardiovascular disease, respectively. Conclusion. Further research is needed to fully understand how the usage of self-reported data alters our understanding of the relationships between overweight or obesity and chronic diseases.
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 | 0,020 | 0,132 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».