Estimating the prevalence of overweight and obesity in Nigeria in 2020: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background Targeted public health response to obesity in Nigeria is relatively low due to limited epidemiologic understanding. We aimed to estimate nationwide and sub-national prevalence of overweight and obesity in the adult Nigerian population.Methods MEDLINE, EMBASE, Global Health, and Africa Journals Online were systematically searched for relevant epidemiologic studies in Nigeria published on or after 01 January 1990. We assessed quality of studies and conducted a random-effects meta-analysis on extracted crude prevalence rates. Using a meta-regression model, we estimated the number of overweight and obese persons in Nigeria in the year 2020.Results From 35 studies (n = 52,816), the pooled crude prevalence rates of overweight and obesity in Nigeria were 25.0% (95% confidence interval, CI: 20.4–29.6) and 14.3% (95% CI: 12.0–15.5), respectively. The prevalence in women was higher compared to men at 25.5% (95% CI: 17.1–34.0) versus 25.2% (95% CI: 18.0–32.4) for overweight, and 19.8% (95% CI: 3.9–25.6) versus 12.9% (95% CI: 9.1–16.7) for obesity, respectively. The pooled mean body mass index (BMI) and waist circumference were 25.6 kg/m2 and 86.5 cm, respectively. We estimated that there were 21 million and 12 million overweight and obese persons in the Nigerian population aged 15 years or more in 2020, accounting for an age-adjusted prevalence of 20.3% and 11.6%, respectively. The prevalence rates of overweight and obesity were consistently higher among urban dwellers (27.2% and 14.4%) compared to rural dwellers (16.4% and 12.1%).Conclusions Our findings suggest a high prevalence of overweight and obesity in Nigeria. This is marked in urban Nigeria and among women, which may in part be due to widespread sedentary lifestyles and a surge in processed food outlets, largely reflective of a trend across many African settings.KEY MESSAGESAbout 12 million persons in Nigeria were estimated to be obese in 2020, with prevalence considerably higher among women. Nutritional and epidemiological transitions driven by demographic changes, rising income, urbanization, unhealthy lifestyles, and consumption of highly processed diets appear to be driving an obesity epidemic in the country.
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 | 0,022 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,049 |
| Bibliométrie | 0,012 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».