Body mass index and waist circumference documentation in Canadian primary care electronic medical records
Notice bibliographique
Résumé
Abstract Background: Electronic medical records (EMR) are commonly used in primary care to document patient measurements including height and weight that are then used to produce body mass index (BMI) scores. However, little is known about the proportion of waist circumference (WC) documentation compared to BMI and the characteristics of patients with these measures. This study used a pan-Canadian research database, sourced from primary care EMRs, to describe BMI and WC documentation in primary care. Methods: A retrospective cohort design of primary care providers participating in the Canadian Primary Care Sentinel Surveillance Network (CPCSSN), this study presented descriptive, observational findings of EMR inputs. Frequencies and percentages of median BMI and WC documentation in CPCSSN EMRs and patient demographic characteristics are compared. Results: Of 707,819 Canadian patients aged of 40 or older, at least one BMI input was recorded for 58.6% and 11.5% had WC notations. The majority of patients (98.1%) with at least one WC measurement also had a BMI measurement while conversely 19.2% of patients with at least one BMI measurement also had a WC measurement. The most common median BMI category was overweight (36.9%) and median WC was 95.0 centimetres (IQR = 21.5). Conclusions: This study reports the documentation of obesity and overweight in select Canadian primary care EMRs infrequently recorded WC when compared to BMI. Future studies should examine the frequency and categories of anthropometric measurements in people with commonly managed chronic conditions and whether BMI and WC inputs are missing at random. Trial registration: Not applicable for this study.
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 | 0,034 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,040 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».