MétaCan
Menu
← Retour à la cohorte
Enregistrement W4253385938 · doi:10.1161/circ.125.suppl_10.a033

Abstract 033: Does Persistent Poverty Elevate Risk for Obesity More Than Occasional Poverty in Youth? Evidence From a Quebec Birth Cohort

2012· article· en· W4253385938 sur OpenAlexaffabout
Lisa Kakinami, Marie Lambert, Lise Gauvin, Louise Séguin, Béatrice Nikièma, Gilles Paradis

Notice bibliographique

RevueCirculation · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Health and Risk Factors
Établissements canadiensUniversité de MontréalCentre Hospitalier Universitaire Sainte-JustineMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicineOverweightDemographyPercentileBody mass indexPovertyCohortObesityLogistic regressionChildhood obesityCohort studyGerontologyStatisticsEndocrinologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: Childhood poverty heightens the risk of obesity in adulthood, but its effect during childhood is poorly understood. We analyzed the relationship between poverty trajectories across the ages of 6, 8, 10, and 12 years with BMI Z-scores and the risk of being overweight in a birth cohort of children. Methods: Data were from 703 participants in the 1998-2010 ″Quebec Longitudinal Study of Child Development″ (n=2,120) birth cohort. Household income was measured annually with poverty defined as income below the low-income thresholds established by Statistics Canada adjusted for household size and geographic region. Children’s height and weight at ages 6, 8, 10, and 12 years were measured by trained study staff. Body mass index (BMI) was converted to age- and sex- standardized BMI Z-scores and percentiles and were classified as overweight or obese (BMI percentile > 85th) based on CDC growth curves. Trajectories of poverty across the ages of 6, 8, 10, and 12 years were characterized with a latent class group analysis using maximum likelihood in a semiparametric mixture model. Multivariable linear regressions predicted BMI Z-scores at different ages, and logistic regression predicted the risk of being overweight or obese based on poverty trajectories after adjusting for sex. Because all children at ages 6 and 8 years were pre-pubertal, and all children at age 12 were in puberty, only the model for BMI at age 10 adjusted for puberty. Results: Poverty trajectories were fairly stable across time and fell into 1 lower exposure category (consistently low exposure (approximately 70%, n=487)) and 3 higher exposure categories (increasing: 8%, n=55; decreasing: 10%, n=70; or consistently high exposure: 13%, n=91)). After adjusting for covariates, compared to children experiencing lower exposure to poverty, BMI Z-scores of children with consistently high exposure to poverty were 0.05 (p=NS), 0.12 (p=NS), 0.37 (p=0.02), and 0.42 (p=0.003) higher at ages 6, 8, 10, and 12 years, respectively. After adjustment, children experiencing consistently high exposure to poverty were at a significantly increased risk for being overweight or obese at age 8 (OR: 2.0, 95% CI: 1.2-3.3, p=0.01), age 10 (OR: 2.1, CI: 1.2-3.5, p=0.005), and at age 12 years (OR: 2.8, CI: 1.7-4.7, p<0.001) compared to children experiencing lower exposure to poverty. Children experiencing decreasing exposure to poverty at all ages, or increasing exposure at age 10 and 12 years were at an increased risk for being overweight or obese, but the results were not statistically significant. Conclusion: Findings suggest that there is a latency period for the detrimental effects of poverty on weight, but that previous exposure can still impact future weight even at a young age. Whether the disparity in weight status according to poverty trajectories widens as the children continue to age should be investigated.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,035
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,030
Tête enseignante GPT0,279
Écart entre enseignants0,249 · 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

Citations0
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCirculation→Même sujetCardiovascular Health and Risk Factors→Travaux en français237 207→