MétaCan
Menu
Retour à la cohorte
Enregistrement W3198180905 · doi:10.1136/jech-2021-216455

Income and neighbourhood deprivation in relation to obesity in urban dwelling children 0–12 years of age: a cross-sectional study from 2013 to 2019

2021· article· en· W3198180905 sur OpenAlexafffundabout
Laura N. Anderson, Tooba Fatima, Bindra Shah, Brendan T. Smith, Anne Fuller, Cornelia M. Borkhoff, Charles Keown‐Stoneman, Jonathon L. Maguire, Catherine S. Birken

Notice bibliographique

RevueJournal of Epidemiology & Community Health · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensSt. Michael's HospitalMcMaster UniversityImpactInstitute for Clinical Evaluative SciencesUniversity of TorontoSickKids FoundationPublic Health OntarioHospital for Sick Children
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCross-sectional studyNeighbourhood (mathematics)ObesityDemographyEnvironmental healthGerontologyGeographyMedicineSociologyEndocrinologyMathematics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Childhood obesity is a major public health concern. This study evaluated the independent and joint associations of family-level income, neighbourhood-level income and neighbourhood deprivation, in relation to child obesity. METHODS: A cross-sectional study was conducted in children ≤12 years of age from TARGet Kids! primary care network (Greater Toronto Area, 2013-2019). Parent-reported family income was compared with median neighbourhood income and neighbourhood deprivation measured using the Ontario Marginalization Index. Children's height and weight were measured and body mass index (BMI) z-scores (zBMI) were calculated. ORs and 95% CIs were estimated for the three exposure variables separately using multilevel multinomial logistic regression models with zBMI categories as the outcome, adjusting in model 1 for age, sex, ethnicity and number of family members and in model 2 adding family income. A joint measure was derived combining income and deprivation measures. RESULTS: A total of 5962 children were included. Low family income (Q1 vs Q5: OR=4.69, 95% CI 2.65 to 8.29), low neighbourhood income (Q1 vs Q5: OR=2.18, 95% CI 1.33 to 3.58) and high neighbourhood deprivation (Q1 vs Q5: OR=2.45, 95% CI 1.52 to 3.95) were each associated with increased OR of child obesity. However, after adjustment for family income, the association for both neighbourhood income (OR=1.39, 95% CI 0.82 to 2.34) and deprivation (OR=1.56, 95% CI 0.94 to 2.58) and obesity was attenuated. Children from low-income families living in low-income or high deprivation neighbourhoods had higher OR of obesity. CONCLUSION: Child obesity was independently associated with low family-level income and a joint measure suggests that neighbourhood also matters. Socioeconomic inequalities at both individual and neighbourhood levels should be addressed in childhood obesity interventions.

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 enseignants0,182
Score d'incertitude au seuil0,362

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,059
Tête enseignante GPT0,381
Écart entre enseignants0,322 · 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

Citations29
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Epidemiology & Community HealthMême sujetObesity, Physical Activity, DietTravaux en français237 207