Associations of built environment and proximity of food outlets with weight status: Analysis from 14 cities in 10 countries
Notice bibliographique
Résumé
The study aimed to examine associations of neighborhood built environments and proximity of food outlets (BE measures) with body weight status using pooled data from an international study (IPEN Adult). Objective BE measures were calculated using geographic information systems for 10,008 participants (4463 male, 45%) aged 16-66 years in 14 cities. Participants self-reported proximity to three types of food outlets. Outcomes were body mass index (BMI) and overweight/obesity status. Male and female weight status associations with BE measures were estimated by generalized additive mixed models. Proportion (95% CI) of overweight (BMI 25 to <30) ranged from 16.6% (13.1, 19.8) to 41.1% (37.3, 44.7), and obesity (BMI ≥ 30) from 2.9% (1.3, 4.4) to 31.3% (27.7, 34.7), with Hong Kong being the lowest and Cuernavaca, Mexico highest for both proportions. Results differed by sex. Greater street intersection density, public transport density and perceived proximity to restaurants (males) were associated with lower odds of overweight/obesity (BMI ≥ 25). Proximity to public transport stops (females) was associated with higher odds of overweight/obesity. Composite BE measures were more strongly related to BMI and overweight/obesity status than single variables among men but not women. One standard deviation improvement in the composite measures of BE was associated with small reductions of 0.1-0.5% in BMI but meaningful reductions of 2.5-5.3% in the odds of overweight/obesity. Effects were linear and generalizable across cities. Neighborhoods designed to support public transport, with food outlets within walking distance, may contribute to global obesity control.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».