Bibliographic record
Abstract
L’obésité des enfants, que le corps médical appelle l’obésité pédiatrique, est un problème de santé publique qui a atteint des proportions épidémiques mondiales, mais qui est encore sous-diagnostiqué, sous-prévenu et insuffisamment traité. L’obésité pédiatrique a plus que doublé chez les enfants et quadruplé chez les adolescents au cours des trois dernières décennies. On a récemment estimé que 50 % des enfants aux États-Unis et 33 % en Europe ont un problème de surpoids. Entre 2009 et 2011, au Canada, 32 % des enfants et des jeunes Canadiens de 5 à 17 ans présentaient de l’embonpoint ou de l’obésité. Cet ouvrage est le résultat d’une synthèse des recherches les plus récentes portant sur la prévention et le traitement de l’obésité pédiatrique. Causes et conséquences, diagnostics et interventions, tous les sujets sont abordés sans détour et dans un langage accessible. Au fil des pages, une voie d’avenir se dessine clairement: pour accompagner les jeunes vers un changement d’habitudes et de comportements, pour leur transférer peu à peu la responsabilité de leur bilan de santé, il faudra l’étroite collaboration des parents, des médecins de famille, pédiatres, spécialistes en médecine et autres professionnels: infirmières, diététistes (nutritionnistes), kinésiologues et psychologues.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".