MétaCan
Menu
Retour à la cohorte
Enregistrement W2177089035 · doi:10.1001/jama.2015.15666

Prevalence of Body Mass Index Lower Than 16 Among Women in Low- and Middle-Income Countries

2015· article· en· W2177089035 sur OpenAlexaff
Fahad Razak, Daniel J. Corsi, Arthur S. Slutsky, Anura V. Kurpad, Lisa Berkman, Andreas Laupacis, S. V. Subramanian

Notice bibliographique

RevueJAMA · 2015
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of TorontoSt. Michael's HospitalOttawa Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineBody mass indexDemographyOdds ratioLogistic regressionCross-sectional studyDecileResidenceInternal medicine

Résumé

récupéré en direct d'OpenAlex

IMPORTANCE: Body mass index (BMI) lower than 16 is the most severe category of adult undernutrition and is associated with substantial morbidity, increased mortality, and poor maternal-fetal outcomes such as low-birth-weight newborns. Little is known about the prevalence and distribution of BMI lower than 16 in low- and middle-income countries (LMIC). OBJECTIVE: To determine the prevalence and distribution of BMI lower than 16 and its change in prevalence over time in women in LMIC. DESIGN, SETTINGS, AND PARTICIPANTS: Cross-sectional data analysis composed of nationally representative surveys from 1993 through 2012 from the Demographic and Health Surveys Program. Women aged 20 through 49 years from 60 LMIC (N = 500,761) and a subset of 40 countries with repeated surveys (N = 604,144) were examined. EXPOSURES: Wealth was measured using a validated asset index, age was categorized in deciles, education by highest completed level (none, primary, secondary, or greater), and place of residence as urban vs rural. MAIN OUTCOMES AND MEASURES: The primary outcome was BMI lower than 16. Analyses assessed the prevalence of BMI lower than 16, its association with sociodemographic factors, and change in prevalence. Logistic regression models were used to calculate odds ratios (ORs), adjusting for survey design and age structure. RESULTS: Among countries examined, the pooled, weighted, and age-standardized prevalence of BMI lower than 16 was 1.8% (95% CI, 1.7% to 1.8%) with the highest prevalence in India (6.2% [95% CI, 5.9% to 6.5%]), followed by Bangladesh (3.9% [95% CI, 3.4% to 4.3%]), Madagascar (3.4% [95% CI, 2.8% to 4.0%], Timor-Leste (2.9% [95% CI, 2.4% to 3.2%]), Senegal (2.5% [95% CI, 1.9% to 3.2%]), and Sierra Leone (2.2% [95% CI, 1.3% to 3.0%]); and 6 countries had prevalences lower than 0.1% (Albania, Bolivia, Egypt, Peru, Swaziland, and Turkey). The prevalence of BMI lower than 16 in women with a secondary or higher education level was 0.51% (95% CI, 0.47% to 0.55%), and in mutually adjusted models, a less than primary education level was associated with an OR of 1.4 (95% CI, 1.2 to 1.6). The prevalence of BMI lower than 16 was 0.43% (95% CI, 0.37% to 0.48%) in the highest wealth quintile with an OR of 3.0 (95% CI, 2.4 to 3.7) in the lowest wealth quintile. Among the 24 of 39 countries with repeated surveys, there was no decrease in prevalence. In Bangladesh and India, rates were declining with an average absolute change annually of -0.52% (95% CI, -0.58% to -0.46%) in Bangladesh and -0.11% (95% CI, -0.12% to -0.10%) in India. CONCLUSIONS AND RELEVANCE: Among women in 60 LMIC, the prevalence of BMI lower than 16 was 1.8%, and was associated with poverty and low education levels. Prevalence of BMI lower than 16 did not decrease over time in most countries studied.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,400

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,246
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations47
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMAMême sujetChild Nutrition and Water AccessTravaux en français237 207