Patterns of change in the association between socioeconomic status and body mass index distribution in India, 1999–2021
Notice bibliographique
Résumé
Background: Body mass index (BMI) is an important indicator of human health. However, trends in socioeconomic inequalities in BMI over time throughout India are understudied. Filling this gap will elucidate which socioeconomic groups are still at risk for adverse BMI values. Methods: ). We examined the prevalence, standardised absolute change, and odds ratios estimated by multivariable regression models by household wealth and levels of education, two important measures of socioeconomic status (SES). Results: The study population consisted of 1 244 149 women and 227 585 men. We found that those in the lowest SES categories were more likely to be severely/moderately thin or mildly thin. Conversely, those in the highest SES groups were more likely to be overweight or obese. The gradients were steepest for wealth, and this was substantiated by the results of regression models for every wave. There has been a decline in the difference in the prevalence of severely/moderately thin or mildly thin between SES groups when comparing the years 1999 and 2021. Conclusions: SES-based inequalities in BMI were smaller in 2021 compared to 1999. However, those in low SES groups were most likely to be severely/moderately thin or mildly thin while those in high SES groups were more likely to be overweight or obese. Future research should explore the pathways that link SES with BMI.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».