Measuring adolescents’ weight socioeconomic gradient using parental socioeconomic position
Notice bibliographique
Résumé
Background: There is an evidence of social inequalities in weight status in adolescence but the diversity of family socioeconomic status (SES) indicators can lead to discrepant findings. We aimed to identify how combination of family SES indicators can help measuring weight socioeconomic gradient (WSG) among adolescents. Methods: Cross-sectional data from 2113 adolescents (13-18 years old) of the PRALIMAP-INÈS trial were used. Multiple SES indicators and assessment of weight status including body mass index (BMI), waist circumference (WC), waist-to-height ratio (WHtR) and self-perception of overweight were used. We used principal component analysis (PCA) followed by structural equation models to identify SES dimensions. A dimension normalized score was calculated ranging from 1 to 10 (a high score corresponding to high SES). Linear regression models (linear trend test) were used to assess the WSG. Results: Three SES dimensions were identified: (i) 'Family social status', (ii) 'Family education level' and (iii) 'Family income level'. BMI was significantly lower in highly advantaged compared with highly less advantaged [-1.64 (-2.39; -0.89) for family social dimension, -0.86 (-1.37; -0.36) for family education level and -2.35 (-3.65; -1.05) for family income level]. Similar results were observed for all weight indicators excepted for self-perception of overweight status. Socially less advantaged adolescents perceived themselves less fat than they were. Conclusion: Although WSG was evident in adolescence, association between SES and weight status differed according to objective or perceived weight indicators. The proposed SES dimension can be applied in other field and future studies are needed to confirm our findings.
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 | 0,004 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».