論文の概要: Association Between Neighborhood Factors and Adult Obesity in Shelby
County, Tennessee: Geospatial Machine Learning Approach
- arxiv url: http://arxiv.org/abs/2208.05335v1
- Date: Tue, 9 Aug 2022 15:28:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-11 13:06:48.397294
- Title: Association Between Neighborhood Factors and Adult Obesity in Shelby
County, Tennessee: Geospatial Machine Learning Approach
- Title（参考訳）: テネシー州シェルビー郡における近隣要因と成人肥満 : 地理空間機械学習アプローチ
- Authors: Whitney S Brakefield, Olufunto A Olusanya, Arash Shaban-Nejad
- Abstract要約: 本研究の目的は、アメリカ合衆国テネシー州シェルビー郡における成人の肥満有病率に及ぼす社会的健康決定因子(SDoH)の影響を検討することである。
SDoH指標は米国国勢調査と米国農務省から抽出された。
その結果、シェルビー郡では成人の肥満率が高い地区が多かった。
- 参考スコア（独自算出の注目度）: 0.966840768820136
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Obesity is a global epidemic causing at least 2.8 million deaths per year.
This complex disease is associated with significant socioeconomic burden,
reduced work productivity, unemployment, and other social determinants of
Health (SDoH) disparities. Objective: The objective of this study was to
investigate the effects of SDoH on obesity prevalence among adults in Shelby
County, Tennessee, USA using a geospatial machine-learning approach. Obesity
prevalence was obtained from publicly available CDC 500 cities database while
SDoH indicators were extracted from the U.S. Census and USDA. We examined the
geographic distributions of obesity prevalence patterns using Getis-Ord Gi*
statistics and calibrated multiple models to study the association between SDoH
and adult obesity. Also, unsupervised machine learning was used to conduct
grouping analysis to investigate the distribution of obesity prevalence and
associated SDoH indicators. Results depicted a high percentage of neighborhoods
experiencing high adult obesity prevalence within Shelby County. In the census
tract, median household income, as well as the percentage of individuals who
were black, home renters, living below the poverty level, fifty-five years or
older, unmarried, and uninsured, had a significant association with adult
obesity prevalence. The grouping analysis revealed disparities in obesity
prevalence amongst disadvantaged neighborhoods. More research is needed that
examines linkages between geographical location, SDoH, and chronic diseases.
These findings, which depict a significantly higher prevalence of obesity
within disadvantaged neighborhoods, and other geospatial information can be
leveraged to offer valuable insights informing health decision-making and
interventions that mitigate risk factors for increasing obesity prevalence.
- Abstract（参考訳）: 肥満は、毎年少なくとも280万人が死亡する世界的な疫病である。
この複雑な病気は社会経済的負担、労働生産性の低下、失業率、健康の社会的決定要因(sdoh)に関係している。
目的: 本研究の目的は, テネシー州シェルビー郡の成人の肥満率に及ぼすSDoHの影響を地理空間機械学習アプローチを用いて調査することであった。
肥満の傾向はcdc 500 citiesのデータベースから得られたが、sdohの指標はアメリカ合衆国国勢調査とアメリカ合衆国農務省から抽出された。
本研究は,getis-ord gi*統計を用いた肥満流行パターンの地理的分布を調査し,sdohと成人肥満との関連について検討した。
また、教師なし機械学習を用いて、肥満の頻度と関連するSDoH指標の分布を調査するグループ分析を行った。
その結果、シェルビー郡では成人の肥満率が高い地区が多かった。
国勢調査では、世帯収入の中央値は、黒人、家賃、貧困水準以下、55歳以上、未婚、未保険の者の割合と同様に、成人肥満の有病率と大きく関連していた。
群集分析の結果, 肥満有病率の差がみられた。
地理的な位置、SDoH、慢性疾患の関連を調べるためのさらなる研究が必要である。
これらの発見は、不利益な近隣地域における肥満の有病率を著しく高めており、他の地理空間情報は、肥満の有病率を増加させる危険因子を緩和する健康意思決定と介入に有用な洞察を提供するために活用することができる。
関連論文リスト
- Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Predicting Diabetes with Machine Learning Analysis of Income and Health Factors [0.0]
我々は,社会経済的地位と糖尿病の複雑な相互作用を明らかにするために,統計的および機械学習技術を用いている。
我々の研究は、低所得のブラケットが糖尿病の発生率に結びついている、明らかな傾向を明らかにした。
論文 参考訳（メタデータ） (2024-04-20T04:09:24Z) - A Transfer Learning Causal Approach to Evaluate Racial/Ethnic and Geographic Variation in Outcomes Following Congenital Heart Surgery [4.870691561986669]
先天性心不全(英: Congenital heart defects、CHD)は、アメリカ合衆国で最も多い出生障害である。
CHD治療の成績は特定の患者群で異なり、非ヒスパニック系黒人とヒスパニック系人口は死亡率と死亡率が高い。
本稿では,結果評価のための因果推論フレームワークを提案し,伝達学習の進歩を活用して,ターゲットとソースの双方からのデータを組み込む。
論文 参考訳（メタデータ） (2024-03-21T17:20:23Z) - DeepHealthNet: Adolescent Obesity Prediction System Based on a Deep
Learning Framework [27.82565790353953]
小児および青年期の肥満率は、肥満が慢性疾患や長期の健康リスクと関連しているため、世界的な懸念である。
本研究は,肥満関連健康問題の早期発見と予防の重要性を強調した。
肥満率予測のための堅牢なアルゴリズムを開発するためには、身長、体重、腰回り、カロリー摂取量、身体活動量、その他の健康情報などの要因を考慮する必要がある。
論文 参考訳（メタデータ） (2023-08-28T15:40:31Z) - Body Fat Estimation from Surface Meshes using Graph Neural Networks [48.85291874087541]
三角体表面メッシュを用いて,グラフニューラルネットワークを用いて,VATおよびASATボリュームを正確に予測できることを示す。
本手法は,この領域の最先端畳み込みニューラルネットワークと比較して,トレーニング時間と必要なリソースを削減しつつ高い性能を実現する。
論文 参考訳（メタデータ） (2023-07-13T10:21:34Z) - Evaluate underdiagnosis and overdiagnosis bias of deep learning model on
primary open-angle glaucoma diagnosis in under-served patient populations [64.91773761529183]
原発性オープンアングル緑内障(POAG)はアメリカにおける盲目の主要な原因である。
深層学習は眼底画像を用いたPOAGの検出に広く用いられている。
臨床診断における人間のバイアスは、広く使われているディープラーニングモデルに反映され増幅される可能性がある。
論文 参考訳（メタデータ） (2023-01-26T18:53:09Z) - Profiling Obese Subgroups in National Health and Nutritional Status
Survey Data using Machine Learning Techniques: A Case Study from Brunei
Darussalam [0.0]
国家衛生栄養状態調査(National Health and Nutritional Status Survey、NHANSS)は、ネガラ・ブルネイ・ダルサラムの保健省によって毎年実施されている。
本研究の主な目的は, NHANSSデータの肥満サンプルから有意なパターン(グループ)を発見することであった。
論文 参考訳（メタデータ） (2022-11-09T10:15:58Z) - The adoption of non-pharmaceutical interventions and the role of digital
infrastructure during the COVID-19 Pandemic in Colombia, Ecuador, and El
Salvador [0.0]
コロンビア、エクアドル、エルサルバドルでのCOVID-19パンデミックの第1波におけるNPI付着の要因について検討した。
モビリティ低下とデジタルインフラストラクチャの品質との間には,大きな相関関係がある。
モビリティ低下とデジタルインフラストラクチャの品質の関連性は、NPIの制約のピーク時に強くなる。
論文 参考訳（メタデータ） (2022-02-24T13:15:17Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳（メタデータ） (2020-07-22T18:02:39Z) - Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。
具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。
次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
論文 参考訳（メタデータ） (2020-07-13T20:05:19Z) - Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。
一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文 参考訳（メタデータ） (2020-06-23T03:36:19Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。