MétaCan
Menu
Retour à la cohorte
Enregistrement W4415966697 · doi:10.1186/s12982-025-01070-y

The examination of the spatial and contextual disparities of determinant factors of adult obesity among communities in Chicago

2025· article· en· W4415966697 sur OpenAlexaff
Tekleab Gala, R. Sajna, Jo‐Ann V. Sawatzky, Philip Garrison, Amisha Bhattarai, Dejene Seyoum, Shirjel Alam, Matthias Pawlowski

Notice bibliographique

RevueDiscover Public Health · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensRed River College
Organismes subventionnairesArgonne National LaboratoryChicago State UniversityCalifornia Department of Public HealthU.S. Children's BureauU.S. Department of Energy
Mots-clésObesityPublic healthPsychological interventionUnemploymentWhite (mutation)Public policyBehavioral Risk Factor Surveillance SystemPublic health policy

Résumé

récupéré en direct d'OpenAlex

The issue of adult obesity has multiple complexes contributing factors and is becoming a significant public health concern worldwide, including in the neighborhoods of Chicago. This study utilized data on nineteen demographic, environmental, socioeconomic, and behavioral characteristics of community neighborhoods in Chicago to analyze the interplay and impact of these complex factors, which is essential for understanding and addressing the issue. The analysis revealed significant geographic variations in the prevalence of adult obesity across Chicago neighborhoods, with associations of these patterns found significant in 17 out of 19 determinant factors studied. Notably, strong associations were found between obesity and the percentage of the White population, the quality of sidewalks and walkability, the economic hardship index, and the unemployment rate. Identifying high-risk adult obesity communities and understanding the multifaceted contributing factors is crucial for developing evidence-based interventions and policy initiatives to reduce obesity and create healthier, more equitable urban neighborhoods for a city such as Chicago and beyond.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,334
Score d'incertitude au seuil0,722

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,028
Tête enseignante GPT0,302
Écart entre enseignants0,274 · 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 tête enseignante, 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiscover Public HealthMême sujetUrban Transport and AccessibilityTravaux en français237 207