Trends in Obesity and Metabolic Status in Northern and Southern China Between 2012 and 2020
Notice bibliographique
Résumé
Background: The trends of obesity-associated metabolic status in Chinese are lacking, especially those from different regions. Objectives: To examine the trends of obesity and metabolic status among Chinese population in 2012–2020. Methods: In a series cross-sectional study, data on 256,782 participants surveyed between 2014 and 2020 in Beijing, northern China, and 697,170 participants surveyed between 2012 and 2020 in Hunan, southern China were analyzed. Anthropometrics, blood pressure measurements, and blood tests were performed according to standard protocols. Trends in obesity and metabolic status were evaluated using the Joinpoint software. Results: Based on age- and sex-standardized values, the mean BMI values in northern and southern participants were 23.94 (95% CI: 23.93, 23.95) and 23.68 (95% CI: 23.67, 23.69) kg/m 2 , respectively. Between 2014 and 2020, the overall obesity prevalence among northern participants increased from 12.70% (95% CI: 12.17, 13.23%) to 14.33% (95% CI: 13.97, 14.70%) ( P = 0.009), mainly derived by the 20–39 and 40–59 age groups. Moreover, the prevalence of metabolically healthy obese significantly increased from 2.07% (95% CI: 1.84, 2.30%) to 4.33% (95% CI: 4.13, 4.53%) in Northerners. Between 2012 and 2020, no significant trend in obesity was found among overall southern participants, but the prevalence of metabolically unhealthy obese significantly increased from 5.36% (95% CI: 5.18, 5.54%) to 7.35% (95% CI: 7.11, 7.58%), mainly derived by the 20–39 and 40–59 age groups. Conclusions: The trends in obesity and metabolic status were different between southern and northern Chinese. A national weight control plan is needed in China, focusing on young and middle-aged population.
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 | 0,000 | 0,000 |
| 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 ».