Local Data for Obesity Prevention: Using National Data Sets
Notice bibliographique
Résumé
One of the challenges in planning for obesity prevention is the dearth of relevant local data. We analyzed a large nationally representative data set, the Canadian Community Health Survey (CCHS) 2.2, to obtain regional and local distributions of physical activity and diet using statistical and spatial techniques. CCHS 2.2 contains information on health status, diet, physical activity, and measured body mass index (BMI), collected from January through December 2004. The total sample size is approximately 35,000; for the Hamilton metropolitan area it is approximately 600. The analyses were limited to descriptive statistics stratified by age group (2–11 years old, 12–17 years old, 18 years and older) and sex. For continuous variables we computed weighted means, standard errors, and coefficients of variation using the bootstrap macro (BOOTVARE_V3.1.SAS). For spatial analyses we used interpolation with inverse distance weighting. Analyses were conducted at the Research Data Center, McMaster University, using SAS Version 9 and ArcGIS 9.2, in compliance with Statistics Canada’s disclosure rules. Children 6 to 11 years old and 12 to 17 years old spent 2.6 and 5.8 hours per day, respectively, in sedentary activities. Children 2 to 11 years old consumed fruits and vegetables 5.3 times per day; however, 34 percent of that was from fruit juices, and 6 percent was from potatoes. Reported consumption of key nutrients such as fiber and saturated fat varied by neighborhood. We identified risk factors for obesity in the Hamilton population specific for age groups, sex, and location using a subset of national data. This information can guide programs and policies for obesity prevention at the local level.
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 | 0,028 | 0,125 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,013 | 0,034 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».