Prevalence and factors associated with underweight, overweight and obesity among 15-49-year-old men and women in Timor-Leste
Notice bibliographique
Résumé
Underweight and overweight both have a long-lasting significant effect on human health at the individual and population levels. However, in the context of Timor-Leste, a country that achieved independence around two decades ago, there is a severe scarcity of evidence regarding the underweight and obesity burden. We conducted this study to find out the prevalence of underweight, overweight and obesity and their associated factors.This study used the nationally representative data of Timor-Leste Demographic Health Survey 2016 data. We conducted descriptive analysis followed by multivariable logistic regression analysis to find out the prevalence and investigate the associated factors. Both crude and adjusted odds ratio of covariates were reported with 95% confidence interval (CI).This study analyzed the data from a weighted sample of 16,488 Timorese aged 15-49 years. The prevalence of normal weight, underweight, and overweight or obesity were found to be 55.2% (95% CI: 54.2%-56.2%), 25.5% (95% CI: 24.4%-26.7%), and 19.3% (95% CI: 18.3%-20.3%), respectively. For underweight, age, sex, type of settlement (urban/rural), township, and wealth, marital, and educational status were found to have a statistically significant relationship (p < 0.05) with Body Mass Index(BMI). After adjustment for the covariates in the logistic regression model age, sex, township, and wealth and marital status were found to be statistically significant correlates (p < .05) of underweight. For overweight and obesity, all the background characteristics included in this study (i.e, age, sex, type of settlement, township, and wealth, marital, and educational status) were found to be statistically significant correlates, after adjustment for the covariates.This study concludes that Timor-Leste has a significant underweight and overweight burden which needs to be addressed through appropriate interventions. Further studies are also warranted to delve deeper into the complex interplay of factors associated with underweight 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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».