MétaCan
Menu
Retour à la cohorte
Enregistrement W3084194636 · doi:10.1136/bmjnph-2020-000074

Sex and gender differences in childhood obesity: contributing to the research agenda

2020· article· en· W3084194636 sur OpenAlexaff
Bindra Shah, Katherine Tombeau Cost, Anne Fuller, Catherine S. Birken, Laura N. Anderson

Notice bibliographique

RevueBMJ Nutrition Prevention & Health · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensHospital for Sick ChildrenUniversity of TorontoSickKids FoundationInstitute for Clinical Evaluative SciencesImpactMental Health Research CanadaMcMaster University
Organismes subventionnairesnon disponible
Mots-clésObesityChildhood obesityPublic healthSex characteristicsDemographyMedicineEnvironmental healthPsychologyOverweightSociologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Childhood obesity is a major public health challenge and its prevalence continues to increase in many, but not all, countries worldwide. International data indicate that the prevalence of obesity is greater among boys than girls 5-19 years of age in the majority of high and upper middle-income countries worldwide. Despite this observed sex difference, relatively few studies have investigated sex-based and gender-based differences in childhood obesity. We propose several hypotheses that may shape the research agenda on childhood obesity. Differences in obesity prevalence may be driven by gender-related influences, such as societal ideals about body weight and parental feeding practices, as well as sex-related influences, such as body composition and hormones. There is an urgent need to understand the observed sex differences in the prevalence of childhood obesity; incorporation of sex-based and gender-based analysis in all childhood obesity studies may ultimately contribute to improved prevention and treatment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,061
score de la tête « metaresearch » (Gemma)0,085
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,322

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0610,085
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0050,007
Études des sciences et des technologies0,0030,009
Communication savante0,0060,013
Science ouverte0,0040,005
Intégrité de la recherche0,0080,008
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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.

Tête enseignante Opus0,156
Tête enseignante GPT0,420
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations221
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Nutrition Prevention & HealthMême sujetObesity, Physical Activity, DietTravaux en français237 207