Calibrating self-reported BMI in national surveillance: impact on obesity misclassification and socioeconomic inequalities in Portugal
Diese Studie zeigt auf, dass die Anwendung von Kalibrierungsgleichungen auf selbstberichtete anthropometrische Daten in Portugal die systematische Unterschätzung der Adipositasprävalenz korrigiert und die Bewertung sozioökonomischer Ungleichheiten, insbesondere bei Frauen, verfeinert, wodurch die Validität der nationalen Adipositasüberwachung verbessert wird.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, man versucht, die Gesundheit einer Nation zu erfassen, indem man Menschen bittet, ihre eigene Größe und ihr Gewicht zu schätzen. Es ist eine gängige Abkürzung für Regierungen und Forscher, da das Messen von Millionen von Menschen teuer und zeitaufwendig ist. Das menschliche Gedächtnis ist jedoch kein Maßband, und unsere Selbstwahrnehmung ist oft davon gefärbt, wie wir gesehen werden möchten. Menschen neigen dazu, anzugeben, größer zu sein als sie sind und leichter als sie tatsächlich sind – eine Gewohnheit, die die Daten zur Verfolgung von Fettleibigkeit verzerrt. Wenn diese Zahlen nicht stimmen, wird das Bild der öffentlichen Gesundheit verzerrt, was es schwierig macht, zu erkennen, wer mit Gewichtsproblemen kämpft und wie soziale Faktoren wie Einkommen oder Bildung diese Kämpfe beeinflussen. Wenn die Daten fehlerhaft sind, könnten die Maßnahmen, die zur Lösung des Problems entwickelt wurden, das Ziel völlig verfehlen.
In Portugal setzten sich Forscher mit dem Ziel, diese Verzerrung mithilfe einer einzigartigen Gelegenheit im Rahmen einer nationalen Erhebung zu korrigieren. Das Studienteam hatte Zugriff auf Daten von über 3.400 Erwachsenen, die den Forschern sowohl ihre Größe und ihr Gewicht selbst mitgeteilt hatten, als auch dieselben Messungen durch geschultes Personal durchführen ließen. Dies ermöglichte es ihnen, genau zu sehen, an welchen Stellen die selbstberichteten Zahlen fehlerhaft waren. Sie fanden ein klares Muster: Menschen überschätzten konsequent ihre Größe und unterschätzten ihr Gewicht. Dieser Fehler war nicht zufällig; er wurde größer, je älter die Menschen wurden und je höher ihr tatsächliches Körpergewicht war. Frauen neigten besonders dazu, ihr Gewicht zu unterberichten, während Männer oft ihre Größe überberichteten. Die Studie zeigte auch, dass diese Fehler nicht gleichmäßig über die Gesellschaft verteilt waren; sie variierten je nach Wohnort und Bildungsniveau.
Um diese Fehler zu korrigieren, entwickelten die Forscher eine Reihe von Anpassungsregeln oder Kalibrierungsgleichungen, die auf einfachen Informationen basieren, die bereits in den meisten Umfragen erhoben werden: das Alter, das Geschlecht, den Wohnort und das Bildungsniveau einer Person. Indem sie die selbstberichteten Zahlen in diese Regeln einspeisten, konnten sie eine „kalibrierte“ Schätzung generieren, die dem tatsächlichen gemessenen Gewicht und der tatsächlichen Größe viel näher kam. Die Ergebnisse waren beeindruckend. Vor der Anpassung deuteten die selbstberichteten Daten darauf hin, dass weniger Menschen fettleibig waren, als es tatsächlich der Fall war. Nach Anwendung der Kalibrierung stiegen die geschätzten Adipositasraten fast perfekt auf das Niveau der realen Messungen an. Für Frauen zeigte die kalibrierte Datenlage eine Adipositasrate von 26,0 Prozent, was fast identisch mit den 26,2 Prozent der physischen Messungen war. Für Männer lag der kalibrierte Wert bei 21,7 Prozent, was sehr nah an den gemessenen 22,5 Prozent lag.
Die bedeutendste Auswirkung dieser Korrektur zeigte sich, als die Forscher untersuchten, wie sich die Adipositasraten zwischen Menschen mit unterschiedlichem Bildungsstand, Einkommen und Beschäftigungsstatus unterschieden. Die Studie ergab, dass die Verwendung unkorrigierter Selbstberichte das wahre Ausmaß dieser Lücken verborgen hatte, jedoch auf unterschiedliche Weise für Männer und Frauen. Bei Frauen führte die Anpassung dazu, dass die Kluft zwischen den am besten und am wenigsten gebildeten Gruppen sogar etwas größer erschien, was darauf hindeutete, dass frühere Schätzungen die Disparität unterschätzt hatten. Bei Männern geschah das Gegenteil; die unkorrigierten Daten hatten die Ungleichheit größer erscheinen lassen, als sie tatsächlich war, und die Kalibrierung brachte die Zahlen auf ein genaueres Niveau. Die Muster für Einkommen und Beschäftigung waren durch die Korrektur weniger betroffen, aber die bildungsbezogenen Lücken verschoben sich merklich.
Diese Arbeit verdeutlicht, dass selbstberichtete Daten zwar praktisch sind, aber einen versteckten Preis fordern, wenn sie zum Verständnis sozialer Ungleichheiten verwendet werden. Die Forscher zeigten, dass nationale Gesundheitsumfragen durch die Verwendung einfacher mathematischer Anpassungen basierend auf gängigen demografischen Details ein viel wahreres Bild der Adipositas vermitteln können, ohne jeden einzelnen Teilnehmer physisch messen zu müssen. Dieser Ansatz korrigiert nicht nur die Gesamtzahl der Menschen mit Adipositas, sondern klärt auch, wer am stärksten gefährdet ist und wie soziale Umstände diese Risiken prägen. Die Studie legt nahe, dass Gesundheitsbehörden in Betracht ziehen sollten, kleine Gruppen von Menschen mit gemessenen Daten in ihre Erhebungen aufzunehmen, um so diese Korrekturwerkzeuge aufzubauen und sicherzustellen, dass die Geschichte, die die Zahlen erzählen, der Realität entspricht.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.