DEVELOPMENTAL TRAJECTORIES OF BODY MASS INDEX THROUGHOUT ADULTHOOD: EVIDENCE FROM THE NATIONAL POPULATION HEALTH SURVEY
Notice bibliographique
Résumé
Background There is little research that uses group-based trajectory modeling to capture adult body mass index (BMI) trajectories for the Canadian population. Objectives The aims of this study are 1) to identify and determine the number and features of mutually exclusive body mass trajectory groups throughout adulthood; 2) to examine the association between covariates and each BMI trajectory group; 3) to assess whether health consequences vary within different trajectory groups. Methods This study will apply group-based trajectory modeling to map adult body mass trajectories with an age axis spanning 18 to 64 years, based on the longitudinal data from Statistics Canada's National Population Health Survey 1994 (n=17276). Group-based trajectory modeling is a powerful semi-parametric statistical approach that captures information about inter-individual differences within a large population. Risk factors (time-instable covariates) including gender and age cohort, and time-varying covariates such as diet, daily activities, education level, income, lifestyle (sleep, smoking, and alcohol), stress, and mental health are identified and evaluated for group membership. To confirm that distinct trajectory groups are linked to different health consequences, Rao-Scott chi-square test and analysis of variance will be applied to handle categorical and continuous health outcome variables. The health outcomes include hypertension, diabetes, heart disease, stroke, asthma, arthritis, and back problems. Lastly, this study will compare group-based trajectory modeling to a standard statistical methodology (multilevel modeling) when modeling longitudinal data, and discuss possible benefits.
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 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 | 0,031 | 0,088 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».