Prevalence of obesity and elevated body mass index along a progression of rurality: A cross-sectional study – The Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
Introduction: Obesity is an important public health concern, and large studies of rural–urban differences in prevalence of obesity are lacking. Our purpose is to compare body mass index (BMI) and obesity in Canada using an expanded definition of rurality. Methods: A cross-sectional analysis of self-reported BMI across diverse communities of Canadians aged 45–85 years was conducted using data from the Canadian Longitudinal Study on Aging (CLSA), a national sample representative of community-dwelling residents. Rurality was identified in the CLSA based on residential postal codes, which were divided into 4 categories: urban, peri-urban, mixed and rural. Logistic regression models were constructed to calculate adjusted odds ratios (aORs) with 95% confidence intervals (95% CIs) between obesity (BMI ≥30 kg/m 2 from self-reported weight and height) and rurality, adjusting for age, sex, province, marital status, number of residents in household and household income. Results: Twenty-one thousand one hundred and twenty-six Canadian residents aged 45–85 years, surveyed during 2010–2015, were included. 26.8% were obese. Obesity was less prevalent amongst urban (25.2%) than rural (30.3%, P < 0.0001), mixed (28.7%, P < 0.0001) or peri-urban communities (28.1%, P < 0.0001). When compared to urban areas, the aOR (95% CI) for obesity was 1.09 (1.00–1.20) in rural regions and 1.20 (1.08–1.35) in peri-urban settings. In areas of mixed urban and rural residence, the aOR was 1.12 (0.99–1.27). Conclusion: One in four Canadian adults were obese. Living in a non-urban setting is an independent risk factor for obesity. Rural–urban health disparities could underlie rural–urban differences, but further research is needed.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».