5.4-O3How have authors from five ethnically diverse countries included and supported ethnicity and race in childhood obesity research?
Notice bibliographique
Résumé
Background: Socioeconomic gradients in childhood obesity are well documented. However, differences by ethnicity and race are less well studied. We conducted a systematic review of how studies from Colombia, Brazil, Mexico, Canada and the United Kingdom (UK) have included and supported concepts of ethnicity and race in childhood obesity research. Methods: Published and unpublished cross-sectional and cohort studies, comparing childhood obesity in at least two ethnic groups were reviewed. Studies were identified through Medline, EMBASE, Global Health, WHOLIS and LILACS databases. We undertook a narrative synthesis to analyse definitions of ethnicity and race, and the author’s statement on the reason for using ethnicity as a study variable, the way in which individuals were assigned to ethnicity categories, and the reference to the sources of ethnic codes. Results: After screening 7,436 titles and abstract; 32 were included. Reasons were mentioned in 29 studies, however, in ten studies they were superficial. The way in which individuals were assigned to ethnic codes was stated in 26 studies, using self-report (n = 12), combined or not with parent’s report (n = 9). There were ethnic codes based on family origin (n = 3, UK) and skin colour (n = 2, Brazil). Six studies used Indigenous status previously known as a proxy for ethnicity (3 studies from Mexico, 2 from Brazil, 1 from Canada), one study from Colombia was focused on ethnic minority groups. The majority of studies did not report whether ethnic codes were redefined, nor the source of ethnic categories used or the justification for redefinition. Conclusions: We found that ethnicity and race were included heterogeneously within the studies. There was a lack of arguments supporting definitions, ethnic codes and decisions to handle ethnicity and race. Main message: Policy and interventions to tackle childhood obesity need to be strengthened by more explicit and valid conceptualisation and categorisation of ethnic group status within populations.
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 | 0,061 | 0,224 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,059 | 0,006 |
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 ».