The Changing Distribution and Determinants of Obesity in the Neighborhoods of New York City, 2003–2007
Notice bibliographique
Résumé
Obesity (body mass index >or=30 kg/m(2)) is a growing urban health concern, but few studies have examined whether, how, or why obesity prevalence has changed over time within cities. This study characterized the individual- and neighborhood-level determinants and distribution of obesity in New York City from 2003 to 2007. Individual-level data from the Community Health Survey (n = 48,506 adults, 34 neighborhoods) were combined with neighborhood measures. Multilevel regression assessed changes in obesity over time and associations with neighborhood-level income and food and physical activity amenities, controlling for age, racial/ethnic identity, education, employment, US nativity, and marital status, stratified by gender. Obesity rates increased by 1.6% (P < 0.05) each year, but changes over time differed significantly between neighborhoods and by gender. Obesity prevalence increased for women, even after controlling for individual- and neighborhood-level factors (prevalence ratio = 1.021, P < 0.05), whereas no significant changes were reported for men. Neighborhood factors including increased area income (prevalence ratio = 0.932) and availability of local food and fitness amenities (prevalence ratio = 0.889) were significantly associated with reduced obesity (P < 0.001). Findings suggest that policies to reduce obesity in urban environments must be informed by up-to-date surveillance data and may require a variety of initiatives that respond to both individual and contextual determinants of obesity.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».