Prevalence of toddler, child and adolescent overweight and obesity derived from primary care electronic medical records: an observational study
Notice bibliographique
Résumé
BACKGROUND: Population monitoring and surveillance of objectively measured child weight data in Canada is limited to national surveys with poor regional applicability, and no healthy weight data are available for children less than 2 years of age. We aimed to determine the prevalence of childhood overweight and obesity using objective measures derived from primary care electronic medical records. METHODS: Observational data included all height and weight records for children less than 20 years of age, between 2004 and 2013, from 3 Ontario primary care research networks. We calculated body mass index (BMI)-for-age and weight-for-length using the World Health Organization Growth Standards and Reference to assign growth status indicator categories by age group. Descriptive data and prevalence estimates were generated for 2013. We also compared weight-for-length for children less than 2 years of age with a corresponding billing code for known well-child visits. RESULTS: Our study included 8261 children with a corresponding growth status indicator, a sample close to 4 times larger than the national survey sample. In 2013, 28.4% of children aged 5-19 years, and 6% of children aged 0-5 years, were categorized as overweight or obese. Between 2008 and 2013, the total number of 18-month well baby visit billing codes was 1152; 6.9% of this group were categorized as overweight or obese; 19.2% were categorized as having risk of overweight. INTERPRETATION: Primary care electronic medical records show good potential for ongoing population monitoring of overweight and obesity, particularly for very young children for whom early intervention is likely to show the greatest positive health impact.
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) | 0,000 | 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 | 0,001 |
| 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 ».