Body Mass Index of Adult Special <scp>O</scp>lympians by Country Economic Status
Notice bibliographique
Résumé
Abstract Many low‐ and middle‐income countries have experienced an epidemic of obesity in the last few decades. However, no studies have examined the relationship between country economic status and weight status among adults with ID. This study compared the prevalence of underweight, normal weight, overweight, and obesity among adult Special Olympics participants by country economic status. A total of 19,295 (men, n = 12,037) measured height and weight records were available from the Special Olympics International (SOI) Health Promotion database. The 159 countries in the database were recoded according to the World Bank's classification of country economic status as: low‐income, lower middle‐income, upper middle‐income, and high‐income. Body mass index (BMI; kg/m2) prevalence rates were calculated for underweight, normal weight, overweight, and obesity for men and women by economic status. Odds ratios, adjusted for age and sex, were used to examine differences in BMI by country economic status. Overall, 31.9% of SOI participants from low‐income economies, 48.6% from lower middle‐income, 43.6% from upper middle‐income, and 66.0% from high‐income economies had BMI indices outside of the normal range. For the low‐income countries, the proportion of underweight and overweight/obesity was similar (17.2% and 14.7%, respectively). For the other three levels of economy, participants with BMI levels outside the normal range were largely overweight/obese, rather than underweight. Women, older participants, and those from higher‐income countries were much more likely to be overweight/obese. Considerably, more research on the key behaviors associated with BMI status and the extent to which environments (economic, social, and physical) are obesogenic is needed to explain these differences and to begin to design interventions that can be both targeted for persons with ID and coherently implemented across sectors and settings.
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 | 0,000 | 0,001 |
| 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) | 0,004 | 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 ».