Prevalence of Overweight, Obesity, and Thinness in Cameroon Urban Children and Adolescents
Notice bibliographique
Résumé
OBJECTIVE: This study examined the prevalence of thinness, overweight, and obesity in Cameroon children ranging from 8 to 15 years old using several published references as evaluation tools. METHODS: A stratified sample was used with eleven schools randomly selected, and data from 2689 children (52.2% girls) ranging from 8 to 15 years were analyzed. Weight and height were recorded and BMI was calculated. BMI cutoffs used to define nutritional status grades included two international and three national published indices which were compared to our database-derived cutoffs. RESULTS: A prevalence of 9.5% thinness and 12.4% overweight including 1.9% obesity according to international references was detected. A 2.2% low-weight-for-age, 5.7% low-height-for-age, and 5.2% low-weight-for-height were identified. Overall, there were significant differences using calculations based on our database versus published reference values and between boys versus girls. CONCLUSIONS: This study demonstrates that prevalence of thinness, overweight, and obesity is similar to that of other leading-emerging countries reported within the last decade, yet it is still lower than prevalence in developed countries. Ethnic background and social environment have impact on prevalences, highlighting the importance of evaluating the Cameroon population based on locally derived database.
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 | 0,001 | 0,002 |
| 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 ».