MétaCan
Menu
Retour à la cohorte
Enregistrement W2529727014 · doi:10.1016/j.ssmph.2016.09.013

Inter-individual inequality in BMI: An analysis of Indonesian Family Life Surveys (1993–2007)

2016· article· en· W2529727014 sur OpenAlexaff
Masoud Vaezghasemi, Fahad Razak, Nawi Ng, S. V. Subramanian

Notice bibliographique

RevueSSM - Population Health · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueBariatric Surgery and Outcomes
Établissements canadiensSt. Michael's HospitalUniversity of Toronto
Organismes subventionnairesKempe FoundationUmeå UniversitetHarvard UniversityUmeå centrum för genusstudier, Umeå Universitet
Mots-clésDemographyPercentileBody mass indexOverweightObesitySocioeconomic statusPopulationInequalityMedicineGerontologyStatisticsMathematicsSociologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Widening inequalities in mean Body Mass Index (BMI) between social and economic groups are well documented. However, whether changes in mean BMI are followed by changes in dispersion (or variance) and whether these inequalities are also occurring within social groups or across individuals remain understudied. In addition, a substantial body of literature exists on the global increase in mean BMI and prevalence of overweight and obesity. However, whether this weight gain is shared proportionately across the whole spectrum of BMI distribution, also remains understudied. We examined changes in the distribution of BMI at the population level over time to understand how changes in the dispersion reflect between-group compared to within-group inequalities in weight gain. Moreover, we investigated the entire distribution of BMI to determine in which percentiles the most weight gain is occurring over time. Utilizing four waves (from 1993 to 2007) of Indonesian Family Life Surveys (IFLS), we estimated changes in the mean and the variance of BMI over time and across various socioeconomic groups based on education and households' expenditure per capita in 53,648 men and women aged 20-50 years. An increase in mean and standard deviation was observed among men (by 4.3% and 25%, respectively) and women (by 7.3% and 20%, respectively) over time. Quantile-Quantile plots showed that higher percentiles had greater increases in BMI compared to the segment of the population at lower percentiles. While between socioeconomic group differences decreased over time, within-group differences increased and were more prominent among individuals with poor education and lower per capita expenditures. Population changes in BMI cannot be fully described by average trends or single parameters such as the mean BMI. Moreover, greater increases in within-group dispersion compared with between-group differences imply that growing inequalities are not merely driven by these socioeconomic factors at the population level.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,028
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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 Opus0,090
Tête enseignante GPT0,375
Écart entre enseignants0,285 · 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

Citations25
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSM - Population HealthMême sujetBariatric Surgery and OutcomesTravaux en français237 207