Validity of self-reported height and weight for measuring prevalence of obesity.
Notice bibliographique
Résumé
OBJECTIVES: To examine the validity of self-reported body mass index (BMI) in estimating the prevalence of obesity in the Canadian population, and to suggest a model for predicting actual BMI from self-reported data. METHODS: This analysis is based on 1131 participants with both self-reported and measured height and weight from the Canadian Community Health Survey, Cycle 2.2 dataset. We estimated the prevalence of obesity as well as the mean and standard deviation (SD) of BMI according to sex, age group, and measured weight classification. Multiple regression analysis was used to build a model to assess the relation between actual BMI and variables of age, sex, and self-reported BMI. RESULTS: The overall prevalence of obesity was 23.0% based on measured BMI, and 15.6% based on self-reported BMI. Estimated mean (SD) for self-reported and measured BMI were 25.8 (4.8) and 26.9 (5.0) kg/m(2), respectively. Only 74.3% of obese men and 56.2% of obese women were correctly classified as obese on the basis of self-reported measures. Females and heavier respondents showed more BMI under-reporting than others. CONCLUSIONS: To estimate overweight and obesity in etiological and disease relationship studies, the use of measured height and weight in BMI estimation is preferable to the use of self-reported values. However, if self-reported height and weight are used in population studies, our proposed model can be used to reliably predict the actual BMI with a narrow 95% confidence interval.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 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) | 0,000 | 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 ».