Prevalence patterns of overweight and obesity in the world: An age-period-cohort analysis
Notice bibliographique
Résumé
PURPOSE: This study aimed to evaluate the trends of obesity and overweight among adolescents using the age-period-cohort (APC) analysis. METHODS: Data for this study was provided by Institute for Health Metrics and Evaluation. Our data represents the cumulative prevalence trend of obesity and overweight in 195 countries between 1980 and 2015 in 5-year intervals. The age intervals were also considered to be 5 years. Besides, a subgroup analysis based on sex and socio-demographic-index subgroups were performed. To perform APC analysis, R program software was used. RESULTS: We observed an increasing trend in both obesity and overweight throughout the study period, with the trend accelerating in more recent periods. Among the fitted models, we concluded that the APC model best fit the current data. The trend for both outcomes was similar. Among the three parameters, age showed an inverted U-shaped effect on the trend of both outcomes in all subgroups. However, the effect of period and cohort differed in our subgroup analysis. CONCLUSION: Overall, this study shows that obesity and overweight are on the rise. Both phenomena were influenced by the age effect in a similar pattern. However, the period and cohort effects showed variation in our subgroup analyses based on sex and SDI subgroups, suggesting the need for country-level studies to better understand the possible impact of these two factors on the prevalence of obesity and overweight.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».