Evaluating the impact of community interventions on childhood obesity in populations living in low‐income households in Los Angeles: A simulation study
Notice bibliographique
Résumé
BACKGROUND: The complex multifactorial nature of childhood obesity makes community interventions difficult to evaluate using traditional approaches; innovative methods are needed. OBJECTIVE: To evaluate the impact of various interventions targeting childhood obesity-related behaviours, and classified as using a micro-level (e.g., home visitation programs) or macro-level (e.g., business practices) strategy, on obesity among children enrolled in the Special Supplemental Nutrition Program for Women, Infants, and Children (WIC). METHODS: We simulated a population of 1500 children enrolled in WIC, with specific diet, physical activity, breastfeeding behaviours and body mass index z-scores (BMIz), following them from age 2 to 5 years. RESULTS: Combined interventions targeting breastfeeding appeared to be moderately effective, reducing BMIz by 0.03 (95% CI -005, -0.01). Two strategy-specific interventions, home visitation programs and business practices targeting obesity-related behaviours, appeared to be moderately effective at reducing BMIz by 0.04 (95% CI -0.06, -0.02) and 0.02 (95% CI -0.04, 0.00), respectively. Contrary to expectation, combining all micro and macro interventions appeared to have no impact or moderately increased the proportion of obesity/overweight among children. CONCLUSION: Interventions targeting breastfeeding behaviour were most effective when both micro and macro strategies were implemented. Interventions targeting obesity-related behaviours in general were effective for two strategies, home visitation and business practices.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».