MétaCan
Menu
Retour à la cohorte
Enregistrement W4317728432 · doi:10.1038/s41366-023-01258-9

Obesity and adverse childhood experiences in relation to stress during the COVID-19 pandemic: an analysis of the Canadian Longitudinal Study on Aging

2023· article· en· W4317728432 sur OpenAlexafffundabout
Vanessa De Rubeis, Andrea González, Margaret de Groh, Ying Jiang, Urun Erbas Oz, Jean‐Éric Tarride, Nicole E. Basta, Susan Kirkland, Christina Wolfson, Lauren E. Griffith, Parminder Raina, Laura N. Anderson, Andrew Costa, Cynthia Balion, Yukiko Asada, Benoît Cossette, Mélanie Levasseur, Scott M. Hofer, Theone Paterson, David B. Hogan, Jacqueline M. McMillan, Teresa Liu‐Ambrose, Verena Menec, Philip St. John, Gerald Mugford, Zhiwei Gao, Vanessa Taler, Patrick S. R. Davidson, Andrew Wister, Theodore D. Cosco

Notice bibliographique

RevueInternational Journal of Obesity · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensMemorial University of NewfoundlandUniversity of British ColumbiaSimon Fraser UniversityUniversity of OttawaMcGill UniversityPublic Health Agency of CanadaMcGill University Health CentreDalhousie UniversityPrograms for Assessment of Technology in Health Research InstituteUniversity of ManitobaSt. Joseph’s Healthcare HamiltonUniversité de SherbrookeMcMaster UniversityUniversity of CalgaryUniversity of VictoriaImpact
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésObesityMedicineStressorLongitudinal studyDemographyPandemicPoisson regressionRelative riskGerontologyCoronavirus disease 2019 (COVID-19)Confidence intervalEnvironmental healthPopulationInternal medicinePsychiatryDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: People with obesity are at increased risk of chronic stress, and this may have been exacerbated during the COVID-19 pandemic. Adverse childhood experiences (ACE) are also associated with both obesity and stress, and may modify risk of stress among people with obesity. The objectives of this study were to evaluate the associations between obesity, ACEs, and stress during the pandemic, and to determine if the association between obesity and stress was modified by ACEs. METHODS: A longitudinal study was conducted among adults aged 50-96 years (n = 23,972) from the Canadian Longitudinal Study on Aging (CLSA) COVID-19 Study. Obesity and ACEs were collected pre-pandemic (2015-2018), and stress was measured at COVID-19 Exit Survey (Sept-Dec 2020). We used logistic, Poisson, and negative binomial regression to estimate relative risks (RRs) and 95% confidence intervals (CIs) for the associations between obesity, ACEs, and stress outcomes during the pandemic. Interaction by ACEs was evaluated on the additive and multiplicative scales. RESULTS: People with obesity were more likely to experience an increase in overall stressors (class III obesity vs. healthy weight RR = 1.19; 95% CI: 1.12-1.27) as well as increased health related stressors (class III obesity vs. healthy weight RR: 1.25; 95% CI: 1.12-1.39) but did not perceive the consequences of the pandemic as negative. ACEs were also associated an increase in overall stressors (4-8 ACEs vs. none RR = 1.38; 95% CI: 1.33-1.44) and being more likely to perceive the pandemic as negative (4-8 ACEs vs. none RR = 1.32; 95% CI: 1.19-1.47). The association between obesity and stress was not modified by ACEs. CONCLUSIONS: Increased stress during the first year of the COVID-19 pandemic was observed among people with obesity or ACEs. The long-term outcomes of stress during the pandemic need to be determined.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,015
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,007
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,100
Tête enseignante GPT0,439
Écart entre enseignants0,339 · 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

Citations12
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of ObesityMême sujetCOVID-19 and Mental HealthTravaux en français237 207