Nutrition status in adult Chilean population: economic, ethnic and sex inequalities in a post-transitional country
Notice bibliographique
Résumé
OBJECTIVE: To assess the relationship between malnutrition, socioeconomic status (SES) and ethnicity in Chilean adult population. DESIGN: Nationally representative survey (ENS) conducted in 2016-2017. Sociodemographic information, weight, height and hemoglobin (Hb) were measured (2003 ENS). Excess weight was defined as BMI ≥25 kg/m2. Undernutrition included underweight (BMI <18·5 kg/m2), short stature (height <1·49 m in women and <1·62 m in men) or anaemia (Hb <12 g/l). Education and household income level were used as indicators of SES; ethnicity was self-reported. We applied linear combinations of estimators to compare the prevalence of excess weight and undernutrition by SES and ethnicity. SETTING: Chile. PARTICIPANTS: In total, 5082 adults ≥20 years (64 % women) and 1739 women ≥20 years for anaemia analyses. RESULTS: Overall, >75 % of women and men had excess weight. Low SES women either by income or education had higher excess weight ((82·0 (77·1, 86·1) v. 65·0 (54·8, 74·1)) by income; (85·3 (80·6, 89·0) v. 68·2 (61·6, 74·1) %) by education) and short stature (20-49 years; 31(17·9, 48·2) v. 5·2 (2·2,11·4) by education); obesity was also more frequent among indigenous women (20-49 years; 55·8 (44·4, 66·6) v. 37·2 (32·7, 42·0) %) than non-indigenous women. In men, excess weight did not significantly differ by SES or ethnicity, but short stature concentrated in low SES (20-49 years; 47·6 (24·6, 71·6) v. 4·5 (2·1, 9·5) by education) and indigenous men (21·5 (11·9, 5·5, 11·9) v. 8·2 (5·5, 11·9)) (P < 0·05 for all). CONCLUSIONS: In Chile, malnutrition is disproportionately concentrated among women of low SES and indigenous origin; these inequalities should be considered when implementing prevention policies.
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) | 0,000 | 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 | 0,000 |
| 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 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 ».