MétaCan
Menu
← Retour à la cohorte
Enregistrement W4280621166 · doi:10.3390/ijerph19105916

Weight Status Change in Chinese American Children over a Ten-Year Period: Retrospective Study of a Primary Care Pediatric Population

2022· article· en· W4280621166 sur OpenAlexafffund
Jia Lu Lilian Lin, Olivia Zhong, Raymond Tse, Jennifer D. Lau, Eda Chao, Loretta Au

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchStrong
Mots-clésOverweightMedicineUnderweightObesityMcNemar's testPopulationOdds ratioPediatricsDemographyBody mass indexChildhood obesityGerontologyEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

Weight change from childhood to adolescence has been understudied in Asian Americans. Known studies lack disaggregation by Asian subgroups. This retrospective study assessed the weight status change in 1500 Chinese American children aged 5−11 years from an urban primary care health center between 2007 and 2017. Weight status was categorized using the 2000 CDC growth charts into “underweight/normal weight” and “overweight/obese.” The overweight/obesity prevalence in 2007 and 2017 were determined. McNemar’s test and logistic regression were performed. The prevalence of overweight/obesity decreased from 29.9% in 2007 to 18.6% in 2017. Children who were overweight/obese at 5−11 years had 10.3 increased odds of staying overweight/obese over time (95% CI = 7.6−14.0, p < 0.001) compared to their underweight/normal weight counterparts. Of the children who were overweight/obese in 2007, 45.7% remained overweight/obese ten years later. Childhood overweight/obesity strongly predicts adult overweight/obesity in Chinese Americans. Targeted education and intervention are warranted to prevent adult obesity.

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)0,001
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 enseignants0,058
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
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 Opus0,025
Tête enseignante GPT0,356
Écart entre enseignants0,331 · 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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public Health→Même sujetObesity, Physical Activity, Diet→Travaux en français237 207→