Factors Associated with Excessive Body Fat in Men and Women: Cross-Sectional Data from Black South Africans Living in a Rural Community and an Urban Township
Notice bibliographique
Résumé
OBJECTIVE: To determine the factors associated with excessive body fat among black African men and women living in rural and urban communities of South Africa. METHODS: This is a cross-sectional analysis of data from the Prospective Urban and Rural Epidemiology (PURE) study, Cape Town, South Africa conducted in 2009/2010. The study sample included 1220 participants (77.2% women) aged 35-70 years, for whom anthropometric measurements were obtained and risk factors documented through face-to-face interviews using validated international PURE study protocols. Sex-specific logistic regression models were used to evaluate socio-demographic, lifestyle and psychological factors associated with three excessive body fat indicators, namely body mass index (BMI), waist circumference (WC) and body fat percent (BF%). RESULTS: The prevalence of excessive body fat based on BF%, WC and BMI cut-offs were 96.0%, 86.1%, and 81.6% for women respectively, and 62.2%, 25.9%, and 36.0% for men respectively. The significant odds of excessive body fat among the currently married compared to unmarried were 4.1 (95% CI: 1.3-12.5) for BF% and 1.9 (95% CI: 1.3-2.9) for BMI among women; and 4.9 (95% CI: 2.6-9.6), 3.2 (95% CI: 1.6-6.4) and 3.6 (95% CI: 1.9-6.8) for BF%, WC and BMI respectively among men. Age ≤50 years (compared to age >50 years) was inversely associated with excessive BF% in men and women, and less-than-a-college education was inversely associated with excessive BMI and WC in men. Tobacco smoking was inversely associated with all three excessive adiposity indicators in women but not in men. Unemployment, depression, and stress did not predict excessive body fat in men or women. CONCLUSION: The sex-differences in the socio-demographic and lifestyle factors associated with the high levels of excessive body fat in urban and rural women and men should be considered in packaging interventions to reduce obesity in these communities.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».