MétaCan
Menu
← Retour à la cohorte
Enregistrement W3179219959 · doi:10.1186/s12889-021-11405-4

Effect of socioeconomic characteristics and lifestyle on BMI distribution in the Chinese population: a population-based cross-sectional study

2021· article· en· W3179219959 sur OpenAlexaff
Wei‐Hua Wang, Lin Qiu, Rina Sa, Shaonong Dang, Feng Liu, Xiang Xiao

Notice bibliographique

RevueBMC Public Health · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCenters for Disease Control and Prevention
Mots-clésMedicineBiostatisticsOverweightQuantile regressionBody mass indexDemographyObesitySocioeconomic statusLogistic regressionQuantilePopulationCross-sectional studyEpidemiologyEnvironmental healthStatisticsInternal medicineMathematics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Body mass index (BMI) is an accepted measurement that is widely used to quantify overweight and obesity at the population level. Previous studies have described the distribution variation of BMI through applying common statistical approaches, such as multiple linear or logistic regression analyses. This study proposed that associations between BMI and socioeconomic characteristics, diet, and lifestyle factors varied across the conditional BMI distribution. METHODS: This study was based on a sample of 10,023 Chinese adults who participated in the monitoring of chronic diseases and associated risk factors in Shaanxi Province, Northwest China, in 2013. Cross-quantile factors were observed in the relationships between major risk factors and BMI through quantile regression (QR) and ordinary least squares (OLS) regression. RESULTS: ). The QR results showed that living in urban areas was associated with BMI in the low and central quantiles (10th-60th). Participants with 6-9 years of education were 0.23-0.38 BMI units higher in the first half of the BMI quantiles compared with those with ≤6 years of education. There was a positive association between consumption of red meat and BMI; however, the association diminished from the 10th to the 50th quantile. Intake of oil and alcohol were positively associated with all BMI quantiles. Cigarette smoking per day was negatively associated with BMI, which showed a U-shaped distribution. The above results were also observed in the OLS. CONCLUSION: This study implies that in addition to socioeconomic characteristics, limiting oil and alcohol intake may decrease BMI score. Consuming more red meat could be a strategy to increase BMI.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,359
Écart entre enseignants0,335 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Public Health→Même sujetNutritional Studies and Diet→Travaux en français237 207→