Accuracy of the Weight-for-age Index in Identifying Obese Children in the Emergency Setting
Notice bibliographique
Résumé
Obesity has been defined as weight-for-age > 95 th percentile for research/clinical settings like the emergency department where height is not routinely available. Our main objective was to determine the sensitivity of weight-for-age > 95% th percentile in identifying obesity, using Body Mass Index (BMI)-for-age > 95% percentile as the reference standard. We also determined the specificity, and predictive values, and the correlation between weight and BMI-for-age values. This was a cross-sectional study with prospectively collected data conducted at two urban, tertiary care pediatric emergency departments in Canada. Children between 2 and 17 years of age with acute extremity injuries were enrolled. Of the 2259 participants, 1283 (56.1%) were male and the mean (SD) age was 9.5 (4.1) years. Using weight-for-age > 95 th percentile, 326 [14.3% (12.9, 15.7]) were classified as obese, while using BMI-for-age > 95 th percentile criteria determined that 363 [16.1% (14.6, 17.7)] were obese, p 95 th percentile to identify obesity was 62.2% (57.0, 67.2). The specificity, positive and negative predictive values were 94.5 % (93.6, 95.6), 14.4% (13.0, 16.0), and 85.6% (84.0, 87.0), respectively. The correlation between BMI and weight-for-age was 0.71 (0.68, 0.73). Although there may be limited validity in using this weight-for-age cut-off as a definition for obesity in research that includes children with acute injuries, the high specificity may provide some clinical utility in identifying two-thirds of children who are obese while minimizing false labeling of this condition.
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 | 0,002 | 0,010 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».