The association between overweight/obesity and psychological distress: A population based cross-sectional study in Saudi Arabia
Notice bibliographique
Résumé
OBJECTIVES: The objective of this study was to compare the association between mental well-being between obese (classes 1 and 2), over-weight and non-obese population-based individuals. METHODS: A population-based cross-sectional study was conducted in Al-Kharj, Saudi Arabia. A total of 1019 Saudi nationals aged ≥ 18 years participated in the survey. BMI scores were used to categorize participants into three groups: Obese, overweighted and non-obese/non-overweight. Mental well-being was evaluated by using the validated Arabic version of the General Health Questionnaire version 12 (GHQ-12). RESULTS: We used total GHQ score (Mean=12; SD=5.23) to compare mental well-being between the four BMI class categories. The overall one-way ANOVA model was statistically significant (F = 7.018, d = 6, P < 0.001). In multivariate analysis, after adjusting for sociodemographic variables, diabetes and smoking statuses we found that higher psychological distress (as evident by a higher total GHQ score) was associated with higher BMI. The unstandardized Beta regression coefficient = 2.627; P = 0.034). Females were more likely to have higher psychological distress than males (unstandardized Beta = 1.466, P = 0.003). Job status whether being unemployed or 'civilian' (civil worker) was significantly associated with higher psychological distress (unstandardized Beta = 1.405, P = 0.041). Being diabetic has a 1.6 times higher risk of psychological distress (unstandardized Beta = 1.604, P = 0.027). CONCLUSION: The study highlights the public health implications of psychological distress amongst individuals with overweight and obesity in Saudi Arabia. Future longitudinal studies should explore the temporality of this relationship.
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 | 0,004 | 0,003 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».