Cross-National Comparisons of Time Trends in Overweight Inequality by Socioeconomic Status Among Women Using Repeated Cross-Sectional Surveys From 37 Developing Countries, 1989–2007
Notice bibliographique
Résumé
Chronic diseases are now among the leading causes of morbidity and mortality in lower income countries. Although traditionally related to higher individual socioeconomic status (SES) in these contexts, the associations between SES and chronic disease may be actively changing. Furthermore, country-level contextual factors, such as economic development and income inequality, may influence the distribution of chronic disease by SES as well as how this distribution has changed over time. Using overweight status as a health indicator, the authors studied repeated cross-sectional data from women aged 18–49 years in 37 developing countries to assess within-country trends in overweight inequalities by SES between 1989 and 2007 (n = 405,550). Meta-regression was used to examine the associations between gross domestic product and disproportionate increases in overweight prevalence by SES, with additional testing for modification by country-level income inequality. In 27 of 37 countries, higher SES (vs. lower) was associated with higher gains in overweight prevalence; in the remaining 10 countries, lower SES (vs. higher) was associated with higher gains in overweight prevalence. Gross domestic product was positively related to faster increase in overweight prevalence among the lower wealth groups. Among countries with a higher gross domestic product, lower income inequality was associated with faster overweight growth among the poor.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».