Social inequalities in obesity and overweight in 11 OECD countries
Notice bibliographique
Résumé
BACKGROUND: Evidence of inequalities in obesity and overweight is available mostly from national studies. This article provides a broad international comparison of inequalities by education level and socio-economic status, in men and women and over time. METHODS: Data from national health surveys of 11 OECD countries were used. The size of inequalities was assessed on the basis of absolute and relative inequality indexes. A regression-analysis approach was used to assess differences between social groups in trends over time. RESULTS: Of the countries examined, USA and England had the highest rates of obesity and overweight. Large social inequalities were consistently detected in all countries, especially in women. Absolute inequalities were largest in Hungary and Spain with a difference of 11.6 and 10% in obesity rates in men, and 18.3 and 18.9% in women, respectively, across the education spectrum. Relative inequalities were largest in France and Sweden with poorly educated men 3.2 and 2.8 times as likely to be obese as men with the highest education (18 and 17 times for women in Spain and Korea, respectively). Pro-poor inequalities in overweight were observed for men in USA, Canada, Korea, Hungary, Australia and England. Inequalities remained virtually stable during the last 15 years, with only small variations in England, Korea, Italy and France. CONCLUSION: Large and persistent social inequalities in obesity and overweight by education level and socio-economic status exist in OECD countries. These are consistently larger in women than in men.
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 | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».