Quantifying the Impact of Obesity Category on Major Chronic Diseases in Canada
Notice bibliographique
Résumé
Adverse health effects differ with various levels of obesity, but limited national data existed previously for the Canadian population. We examined the associations of sociodemographic and behavioral factors with obesity levels in Canada, and measured the impact of each level on major chronic diseases. Data were extracted from the 2003 Canadian Community Health Survey. We grouped overweight/obese participants aged 18 years and over into four levels based on body mass index (BMI, kg/m2): overweight (25.0 C29.9), class I obesity (30.0 C34.9), class II obesity (35 C39.9), and class III obesity (extreme/clinical obesity, BMI > or = 40.0). We used logistic regression models to identify potential risk factors for the obesity levels and to estimate adjusted odds ratios (ORs) for major chronic diseases related to each level. We calculated population attributable risks (PARs) to help understand the impact of obesity levels on these chronic diseases. The overall prevalence of obesity was 16.2% in men and 14.6% in women, and the prevalence of obesity III was 1.0% in men and 1.4% in women. All levels of obesity increased with age, but then decreased in elderly participants. The prevalence of diabetes, hypertension, heart disease, arthritis, and asthma increased with increasing BMI level, and the highest values appeared in participants at the obesity III level. PAR was highest in the obesity III group for hypertension, followed by diabetes, and lowest for heart disease. When correlated with risk factors, fewer statistically significant ORs, comparing to the normal weight category, appeared for obesity II and III levels than for overweight and obesity I. ORs for the combination of low education level, infrequent exercise, and low household income rose significantly with BMI levels until the obesity II level, and in obesity III level, the OR remained at the same level as for obesity II, most significantly in women. These results suggest that the impact of obesity on Canadians inverted exclamation mark health should be studied and dealt with by obesity level. The greatest impact of clinical obesity was on hypertension and diabetes control in Canada.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».