Association Between Obesity and Cigarette Smoking: A Community-Based Study
Notice bibliographique
Résumé
Background: Cigarettes smoking and obesity are major public health problems and leading causes of preventable morbidity and mortality worldwide. The aim of this study was to investigate the relationship between cigarettes smoking and body weight status among Northern Saudi subjects. Methods: Data were collected during cross-sectional survey which included 5,000 Saudi selected from 30 primary health care centers (PHCs) in Hail Region. Results: The overall prevalence of obesity in Hail was 36.9%. The prevalence of cigarettes smoking was 10.2%. In those who are current smokers, obesity was present in 24.9%, normal weight in 30.9% and overweight in 7.4%. In those who are ex-smokers, obesity was present in 45.0%, normal weight in 20.3% and overweight in 31.3%. In those who never smoked, obesity was present in 27.6%, normal weight in 32.8% and overweight in 37.3%. Conclusion: Obesity was most prevalent among ex-smokers and least prevalent among current smokers. It is clear that from the analyses, the group of current smokers were less likely to be obese in comparison with never smokers and ex-smokers were more likely to be obese than both current smokers and never smokers. J Endocrinol Metab. 2016;6(5):149-153 doi: http://dx.doi.org/10.14740/jem378e
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».