Calibrating self-reported BMI in national surveillance: impact on obesity misclassification and socioeconomic inequalities in Portugal
Questo studio dimostra che l'applicazione di equazioni di calibrazione ai dati antropometrici autodichiarati in Portogallo corregge la sottostima sistematica della prevalenza dell'obesità e affina la valutazione delle disuguaglianze socioeconomiche, in particolare tra le donne, migliorando così la validità della sorveglianza nazionale sull'obesità.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Immaginate di cercare di mappare la salute di una nazione chiedendo alle persone di indovinare la propria altezza e il proprio peso. È una scorciatoia comune per i governi e i ricercatori perché misurare milioni di persone è costoso e richiede tempo. Tuttavia, la memoria umana non è un metro a nastro, e la nostra percezione di noi stessi è spesso colorata da come vorremmo essere visti. Le persone tendono a dire di essere più alte di quanto siano e più leggere di quanto siano, un'abitudine che altera i dati utilizzati per monitorare l'obesità. Quando questi numeri sono errati, il quadro della salute pubblica risulta distorto, rendendo difficile capire chi stia lottando con problemi di peso e come fattori sociali come il reddito o l'istruzione influenzino tali difficoltà. Se i dati sono difettosi, le politiche create per risolvere il problema potrebbero mancare completamente il bersaglio.
In Portogallo, i ricercatori si sono posti l'obiettivo di correggere questa distorsione sfruttando un'opportunità unica offerta da un sondaggio nazionale. Il team di studio aveva accesso ai dati di oltre 3.400 adulti che avevano sia comunicato ai ricercatori la propria altezza e il proprio peso, sia sottoposto le stesse misurazioni da parte di personale addestrato. Ciò ha permesso loro di vedere esattamente dove i numeri autodichiarati avessero sbagliato. Hanno riscontrato un modello chiaro: le persone sovrastimavano costantemente la propria altezza e sottostimavano il proprio peso. Questo errore non era casuale; diventava più grande con l'aumentare dell'età e con l'aumentare del peso corporeo effettivo delle persone. Le donne erano particolarmente inclini a sottodichiarare il proprio peso, mentre gli uomini spesso sovrastimavano la propria altezza. Lo studio ha anche rivelato che questi errori non erano distribuiti uniformemente nella società; variavano a seconda di dove una persona viveva e del suo livello di istruzione.
Per correggere questi errori, i ricercatori hanno sviluppato un insieme di regole di aggiustamento, o equazioni di calibrazione, basate su informazioni semplici che vengono già raccolte nella maggior parte dei sondaggi: l'età, il sesso, il luogo di residenza e il livello di istruzione di una persona. Inserendo i dati autodichiarati in queste regole, potevano generare una stima "calibrata" che era molto più vicina al peso e all'altezza effettivamente misurati. I risultati sono stati sorprendenti. Prima dell'aggiustamento, i dati autodichiarati suggerivano che meno persone fossero obese di quanto fosse in realtà. Dopo l'applicazione della calibrazione, i tassi di obesità stimati sono saliti fino a corrispondere quasi perfettamente alle misurazioni fisiche. Per le donne, i dati calibrati hanno mostrato un tasso di obesità del 26,0 percento, quasi identico al 26,2 percento riscontrato nelle misurazioni fisiche. Per gli uomini, la cifra calibrata era del 21,7 percento, molto vicina al 22,5 percento misurato.
L'impatto più significativo di questa correzione è stato osservato quando i ricercatori hanno esaminato l'ineguaglianza. Hanno analizzato come i tassi di obesità differissero tra persone con diversi livelli di istruzione, reddito e occupazione. Lo studio ha scoperto che fare affidamento su autodichiarazioni non corrette aveva nascosto l'effettiva entità di questi divari, ma in modi diversi per uomini e donne. Per le donne, l'aggiustamento ha reso il divario tra i gruppi con il livello di istruzione più alto e quello più basso leggermente più ampio, suggerendo che le stime precedenti avessero sottostimato la disparità. Per gli uomini, è accaduto l'opposto; i dati non corretti avevano fatto apparire l'ineguaglianza più grande di quanto fosse in realtà, e la calibrazione ha riportato i numeri a un livello più accurato. I modelli relativi a reddito e occupazione sono stati meno influenzati dalla correzione, ma i divari legati all'istruzione sono cambiati sensibilmente.
Questo lavoro dimostra che, sebbene i dati autodichiarati siano convenienti, comportano un costo nascosto quando vengono utilizzati per comprendere le disuguaglianze sociali. I ricercatori hanno dimostrato che, utilizzando semplici aggiustamenti matematici basati su comuni dettagli demografici, i sondaggi sanitari nazionali possono recuperare un quadro molto più vero dell'obesità senza dover misurare fisicamente ogni singolo partecipante. Questo approccio non si limita a correggere il numero totale di persone con obesità; chiarisce chi è più a rischio e come le circostanze sociali modellino tali rischi. Lo studio suggerisce che le autorità sanitarie dovrebbero considerare l'inserimento di piccoli gruppi di persone con dati misurati nei loro sondaggi, permettendo loro di costruire questi strumenti di correzione e garantire che la storia raccontata dai numeri rifletta la realtà.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.