Trends in obesity across Canada from 2005 to 2018: a consecutive cross-sectional population-based study
Notice bibliographique
Résumé
Background: Obesity is increasingly prevalent worldwide and is becoming an epidemic in many countries, including Canada. We sought to describe and analyze temporal obesity trends in the Canadian adult population from 2005 through 2018 at the national and provincial or territorial levels. Methods: We conducted a consecutive, cross-sectional study using data from 7 sequential Canadian Community Health Survey (CCHS) cycles (2005 to 2017/18). We included data from Canadian adults (age ≥ 18 yr) who participated in at least 1 of the 7 consecutive CCHS cycles and who had body mass index values (calculated by Statistics Canada based on respondents’ self-reported weight and height). Obesity prevalence (adjusted body mass index ≥ 30) was a primary outcome variable. We analyzed temporal trends in obesity prevalence using Pearson χ2 tests with Bonferroni adjustment, and the Cochran–Armitage test of trend. Results: We included data from 746 408 (403 582 female and 342 826 male) CCHS participants. Across Canada, the prevalence of obesity increased significantly between 2005 and 2017/18, from 22.2% to 27.2% (p < 0.001). We observed increases across both sexes, all age groups and all Canadian provinces and territories (p < 0.001). In 2017/18, the prevalence of obesity was higher among males than females (28.9% v. 25.4%; p < 0.001); the prevalence among adults aged 40–69 years exceeded 30%. In 2017/18, Newfoundland and Labrador had the highest prevalence (39.4%), and British Columbia had the lowest (22.8%) prevalence of obesity. Over the 14-year study period, Quebec and Alberta exhibited the largest relative increases in obesity. Interpretation: In 2017/18, more than 1 in 4 adult Canadians lived with obesity, and from 2005 to 2017/18, the prevalence of obesity among adults in Canada increased substantially across sexes, age groups and all Canadian provinces and territories to 27.2%. Our findings call for urgent actions to identify, implement and evaluate solutions for obesity prevention and management in all Canadian provinces and territories.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».