Socioeconomic - related inequalities in overweight and obesity: findings from the PERSIAN cohort study
Notice bibliographique
Résumé
Abstract Background Overweight and obesity are major health concerns worldwide, with adverse health consequences during the life span. This study measured socioeconomic inequality in overweight and obesity among Iranian adults. Methods Data were extracted from 129,257 Iranian adults (aged 35 years and older) participated in the Prospective Epidemiologic Research Studies in IrAN (PERSIAN) in 14 provinces of Iran in 2014. Socioeconomic-related inequality in overweight and obesity was estimated using the Concentration Index (C n ). The C n further decomposed to find factors explaining the variability within the Socioeconomic related inequality in overweight and obesity. Results Of the total number of participants, 1.98, 26.82, 40.76 and 30.43% had underweight, normal weight, overweight and obesity respectively. The age-and sex standardized prevalence of obesity was higher in females than males (39.85% vs 18.79%). People with high socioeconomic status (SES) had a 39 and 15% higher chance of being overweight and obese than low SES people, respectively. The positive value of C n suggested a higher concentration of overweight (0.081, 95% confidence interval [CI]; 0.074–0.087) and obesity (0.027, 95% CI; 0.021–0.034) among groups with high SES. There was a wide variation in socioeconomic-related inequality in overweight and obesity rate across 14 provinces. The decomposition results suggested that SES factor itself explained 66.77 and 89.07% of the observed socioeconomic inequalities in overweight and obesity among Iranian adults respectively. Following SES, province of residence, physical activity, using hookah and smoking were the major contributors to the concentration of overweight and obesity among the rich. Conclusions Overall, we found that overweight and obesity is concentrated among high SES people in the study population. . Accordingly, it seems that intersectional actions should be taken to control and prevent overweight and obesity among higher socioeconomic groups.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».