Validity of self-report screening for overweight and obesity: Evidence from the Canadian community health survey
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective: Community health surveys often collect self-report data on body height and weight for the purposes of calculating the Body Mass Index (BMI) and identifying cases of overweight and obesity. The aim of the study was to test the validity of this method and to describe age and gender trends in self-report bias in height, weight, and BMI. Methods: This population survey included 4,615 adolescents and adults from across Canada who were interviewed and then measured in their homes. Overweight and obesity were identified using self-reports and cut points in BMI. Results: Self-reports correlated highly with body measurements but on average, self-reported height was 0.88 cm greater than measured height, self-reported weight was 2.33 kg less than measured weight, and BMI derived from self-reports was 1.16 lower than BMI derived from measurements. Consequently, self-reports yielded lower rates of overweight (31.87%) and obesity (15.32%) than measurements (33.67% and 22.92%, respectively). The magnitude and variability of self-report bias in BMI were related to female gender, older age, and the presence of overweight or obesity. Discussion: Comparison of self-reported and measured height and weight indicated that most survey respondents under-reported weight and over-reported height. Intentional or not, these biases were compounded in the BMI formula and affected the accuracy of self-reports as a tool for identifying weight problems. Self-reports may be easier to collect than body measurements but should not be used exclusively as an obesity surveillance tool.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle