Minimum Wage and Overweight and Obesity in Adult Women: A Multilevel Analysis of Low and Middle Income Countries
Notice bibliographique
Résumé
OBJECTIVES: To describe the relationship between minimum wage and overweight and obesity across countries at different levels of development. METHODS: A cross-sectional analysis of 27 countries with data on the legislated minimum wage level linked to socio-demographic and anthropometry data of non-pregnant 190,892 adult women (24-49 y) from the Demographic and Health Survey. We used multilevel logistic regression models to condition on country- and individual-level potential confounders, and post-estimation of average marginal effects to calculate the adjusted prevalence difference. RESULTS: We found the association between minimum wage and overweight/obesity was independent of individual-level SES and confounders, and showed a reversed pattern by country development stage. The adjusted overweight/obesity prevalence difference in low-income countries was an average increase of about 0.1 percentage points (PD 0.075 [0.065, 0.084]), and an average decrease of 0.01 percentage points in middle-income countries (PD -0.014 [-0.019, -0.009]). The adjusted obesity prevalence difference in low-income countries was an average increase of 0.03 percentage points (PD 0.032 [0.021, 0.042]) and an average decrease of 0.03 percentage points in middle-income countries (PD -0.032 [-0.036, -0.027]). CONCLUSION: This is among the first studies to examine the potential impact of improved wages on an important precursor of non-communicable diseases globally. Among countries with a modest level of economic development, higher minimum wage was associated with lower levels 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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».