Obesity prevalence in large US cities: association with socioeconomic indicators, race/ethnicity and physical activity
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
BACKGROUND: Obesity has a complex association with socioeconomic factors. Further clarification of this association could guide population interventions. METHODS: To determine the relationship between obesity prevalence, socioeconomic indicators, race/ethnicity, and physical activity, we performed a cross-sectional, multivariable linear regression, with data from large US cities participating in the Big Cities Health Inventory. RESULTS: Increased household income was significantly associated with decreased obesity prevalence, for White (-1.97% per 10 000USD), and Black (-3.02% per 10 000USD) populations, but not Hispanic. These associations remained significant when controlling for the proportion of the population meeting physical activity guidelines. Educational attainment had a co-linear relationship with income, and only a bachelor's degree or higher was associated with a lower prevalence of obesity in White (-0.30% per percentage) and Black (-0.69% per percentage) populations. No association was found between obesity prevalence and the proportion of the population meeting physical activity guidelines for any race/ethnicity grouping. CONCLUSION: At the population level of large US cities, obesity prevalence is inversely associated with median household income in White and Black populations. Strategies to increase socioeconomic status may also decrease obesity. Targeting attainment of physical activity guidelines as an obesity intervention needs further appraisal.
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 | 0,003 | 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 découle