Building obesity in Canada: understanding the individual- and neighbourhood-level determinants using a multi-level approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The objective of this paper was to identify heterogeneities associated with the relationships between the body mass index (BMI) and individual as well as socio-environmental correlates at the individual- and area-levels. The data sources used were: (i) the 2003 Canadian Community Health Survey; (ii) the 2001 Canadian Census; and (iii) the Enhanced Points of Interest (EPOI) database from the Desktop Mapping Technologies Inc. Participants were adults (≥ 20 years; n = 12,836; based on a survey weight scheme N(weighted) = 5,418,218) from Toronto and Vancouver census metropolitan areas with no missing BMI records. In addition to conventional 1 km-buffers, we constructed activity-space-buffers to better assess the walkability and potentially increased BMI of individuals. Multi-level analysis was then applied to estimate the relative effects of both individual- and area-level risk-factors for increased BMI. The findings demonstrate a negative association between BMI and energy expenditure, mixed land uses, residential density and average value of dwellings, while a positive association was found with low educational attainment. Relationships were independent of individual characteristics such as age and ethnicity. Although the majority of the variation in these outcomes was found to be due to individual-level differences, this study did show significant differences at the area-level as well. The activity-space-buffers presented a vast improvement compared to the conventional 1 km-buffers. The results presented support the rationale that targeting high-risk individuals will only address a portion of the increasing BMI problem; it is essential to also address the characteristics of places that compel individuals to make unhealthy choices.
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 découle