Misclassification of child body mass index from cut-points defined by rounded percentiles instead of Z-scores
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the misclassification resulting from the use of body mass index (BMI) cut-points defined by rounded percentiles instead of Z-scores in early childhood. Using data from the TARGet Kids primary care network we conducted a cross-sectional study among 5836 children < 6 years of age. The World Health Organization growth standards were used to calculate BMI-for-age Z-scores. BMI Z-score cut-points of < - 2.0, > 1.0, > 2.0, > 3.0 are recommended to define wasted, at risk of overweight, overweight and obese. However, rounded percentiles of the 3rd, 85th, 97th, and 99.9th are commonly used. Misclassification was calculated comparing the frequency distributions for BMI categories defined by rounded percentiles and Z-score cut-points. RESULTS: Using rounded percentiles, the proportion of children who were wasted, at risk of overweight, overweight, and obese was 4.2, 12.5, 4.3 and 0.8%, whereas the distribution using Z-scores was: 3.6, 13.8, 3.4 and 1.0%, respectively. Overall, 117 (2%) children were misclassified when using percentiles instead of Z-scores; however, 13% (33/245) of children who were wasted and 14% (8/57) of children who were obese were misclassified. Misclassification of child growth results from the use of cut-points defined by rounded percentiles instead of Z-scores and limits comparability between studies. Trial registration Clinicaltrials.gov NCT01869530 June 5, 2013.
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.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle