Measuring severe obesity in pediatrics: A cohort study
Notice bibliographique
Résumé
Abstract Purpose: To examine cross-sectional and longitudinal relationships between body mass index (BMI)-derived metrics for measuring severe obesity (SO) using the Centers for Disease Control and Prevention (CDC) and World Health Organization (WHO) references and cardiometabolic risk factors in children and adolescents. Methods: In this cohort study completed from 2013 to 2021, we examined data from 3- to 18-year-olds enrolled in the CANadian Pediatric Weight management Registry. Anthropometric data were used to create nine BMI-derived metrics based on the CDC and WHO references. Cardiometabolic risk factors were examined, including dysglycemia, dyslipidemia, and elevated blood pressure. Analyses included intraclass correlation coefficients (ICC) and receiver operator characteristic area-under-the-curve (ROC AUC). Results: Our sample included 1,288 participants (n=666 [51.7%] girls; n=874 [67.9%] white), with SO of 59.9–67.0%. ICCs revealed high tracking (0.90–0.94) for most BMI-derived metrics. ROC AUC analyses showed CDC and WHO metrics discriminated the presence of cardiometabolic risk factors, which improved with increasing numbers of risk factors. Overall, most BMI-derived metrics rated poorly in identifying presence of cardiometabolic risk factors. Conclusion: CDC BMI percent of the 95th percentile and WHO BMIz performed similarly as measures of SO, suggesting both can be used for clinical care and research in pediatrics. The latter definition may be particularly useful for clinicians and researchers from countries that recommend using the WHO growth reference.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».