Using Imputed Body Mass Index to Assess the Relationship Between Obesity and Mortality
Notice bibliographique
Résumé
Introduction: Studies that assess the relationship between obesity and mortality often use self-reported height and weight to calculate obesity. However, there is evidence that this data is biased which can lead to inaccurate obesity reporting. Therefore, the true relationship between obesity and mortality is unclear. The purpose of this study is to explore multiple imputation as a novel method to estimate clinically measured height and weight. The goal is to reduce bias in self-reported height and weight data, which will improve obesity reporting accuracy and allow for a better understanding of the relationship between obesity and mortality. Methods: Multivariate imputation by chained equations was used to impute clinically measured height and weight. Body mass index (BMI) was calculated from the imputed values and then divided into categories (Low, Referent, Overweight, Class I Obesity, Class II-III Obesity). Cox regression was applied to the data and hazard ratios were calculated for each BMI category, then compared to those from clinically measured and self-reported data to determine present bias. Results: In males, the imputed data increased bias between clinically measured and self-reported hazard ratios. In females, the imputed data decreased bias between clinically measured and self-reported hazard ratios in categories Class I Obesity and Class II-III Obesity, but increased bias was found in categories Low and Overweight. Discussion: There is a lack of evidence that imputing clinically measured height and weight minimizes bias when measuring the association between obesity and mortality through hazard ratios. More research is needed to further understand the results.
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 | 0,025 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».