The future burden of obesity in Canada: a modelling study
Notice bibliographique
Résumé
OBJECTIVES: We applied the validated Obesity Population Risk Tool (OPoRT) to estimate the future burden of obesity in Canada using baseline risk factors attained through routinely collected survey data. METHODS: OPoRT was developed using logistic regression with sex-specific generalized estimating equations to predict the 10-year prevalence of obesity (outcome BMI ≥ 30.0) among adults 18 and older. The algorithm includes 17 predictive factors, including socio-demographic and health behavioural characteristics. OPoRT demonstrated excellent discrimination (C-statistic ≥ 0.89) and achieved calibration. We applied OPoRT to Canadian Community Health Survey (2013/14) data to predict the future prevalence of obesity in Canada for a variety of population subgroups. RESULTS: The predicted burden of obesity grew from 261 cases per 1000 in 2013/14 to 326 cases per 1000 in 2023/24 corresponding to a total of 8.54 million individuals with obesity. The burden is expected to be higher among males (347 cases per 1000) than females (305 cases per 1000). Individuals aged 35-49 had the highest predicted burden of obesity (374 cases per 1000) and the largest number of predicted cases (2.42 million), while individuals in the ≥ 65 age group had the lowest predicted burden (236 cases per 1000). The number of individuals with obesity per 1000 is highest among those severely food insecure (452 cases per 1000), compared with food secure individuals (324 cases per 1000). CONCLUSIONS: OPoRT can be used to estimate the future population burden of obesity, to identify priority subgroups at an elevated risk. Burden estimates should be reflected in approaches to curb the future burden of obesity.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».