Impact of Built Environments on Body Weight (the Moving to Health Study): Protocol for a Retrospective Longitudinal Observational Study
Notice bibliographique
Résumé
BACKGROUND: Studies assessing the impact of built environments on body weight are often limited by modest power to detect residential effects that are small for individuals but may nonetheless comprise large attributable risks. OBJECTIVE: We used data extracted from electronic health records to construct a large retrospective cohort of patients. This cohort will be used to explore both the impact of moving between environments and the long-term impact of changing neighborhood environments. METHODS: We identified members with at least 12 months of Kaiser Permanente Washington (KPWA) membership and at least one weight measurement in their records during a period between January 2005 and April 2017 in which they lived in King County, Washington. Information on member demographics, address history, diagnoses, and clinical visits data (including weight) was extracted. This paper describes the characteristics of the adult (aged 18-89 years) cohort constructed from these data. RESULTS: We identified 229,755 adults representing nearly 1.2 million person-years of follow-up. The mean age at baseline was 45 years, and 58.0% (133,326/229,755) were female. Nearly one-fourth of people (55,150/229,755) moved within King County at least once during the follow-up, representing 84,698 total moves. Members tended to move to new neighborhoods matching their origin neighborhoods on residential density and property values. CONCLUSIONS: Data were available in the KPWA database to construct a very large cohort based in King County, Washington. Future analyses will directly examine associations between neighborhood conditions and longitudinal changes in body weight and diabetes as well as other health conditions. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/16787.
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 | 0,021 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,005 |
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 ».