Calibrating self-reported BMI in national surveillance: impact on obesity misclassification and socioeconomic inequalities in Portugal
Deze studie toont aan dat het toepassen van kalibratievergelijkingen op zelfgerapporteerde antropometrische gegevens in Portugal de systematische onderschatting van de obesitasprevalentie corrigeert en de beoordeling van sociaaleconomische ongelijkheden verfijnt, met name onder vrouwen, waardoor de validiteit van de nationale obesitasbewaking wordt verbeterd.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Stel je voor dat je de gezondheid van een natie probeert in kaart te brengen door mensen te vragen hun eigen lengte en gewicht te raden. Het is een veelvoorkomende afkorting voor overheden en onderzoekers, omdat het meten van miljoenen mensen duur en tijdrovend is. Menselijk geheugen is echter geen meetlint, en onze zelfperceptie wordt vaak gekleurd door hoe we gezien willen worden. Mensen hebben de neiging om te zeggen dat ze langer zijn dan ze zijn en lichter dan ze zijn, een gewoonte die de gegevens die worden gebruikt om obesitas te volgen, vertekent. Wanneer deze cijfers niet kloppen, raakt het beeld van de volksgezondheid vervormd, waardoor het moeilijk wordt om te zien wie worstelt met gewichtsproblemen en hoe sociale factoren zoals inkomen of opleiding die strijd beïnvloeden. Als de gegevens gebrekkig zijn, kunnen de beleidmaatregelen die bedoeld zijn om het probleem op te lossen, volledig de plank misslaan.
In Portugal zetten onderzoekers zich in om deze vertekening te corrigeren met behulp van een unieke kans die een nationale enquête bood. Het onderzoeksteam had toegang tot gegevens van meer dan 3.400 volwassenen die zowel hun lengte en gewicht aan de onderzoekers hadden doorgegeven als diezelfde metingen door getraind personeel hadden laten uitvoeren. Dit stelde hen in staat om precies te zien waar de zelfgerapporteerde cijfers fout gingen. Ze vonden een duidelijk patroon: mensen overschatten consequent hun lengte en onderschatten hun gewicht. Deze fout was niet willekeurig; hij werd groter naarmate mensen ouder werden en naarmate hun werkelijke lichaamsgewicht toenam. Vrouwen waren bijzonder geneigd hun gewicht te onderrapporteren, terwijl mannen vaak hun lengte overdachten. De studie onthulde ook dat deze fouten niet gelijkmatig over de samenleving verspreid waren; ze varieerden afhankelijk van waar iemand woonde en het opleidingsniveau van die persoon.
Om deze fouten te corrigeren, ontwikkelden de onderzoekers een reeks aanpassingsregels, of kalibratievergelijkingen, gebaseerd op eenvoudige informatie die al in de meeste enquêtes wordt verzameld: de leeftijd, het geslacht, de woonplaats en het opleidingsniveau van een persoon. Door de zelfgerapporteerde cijfers in deze regels in te voeren, konden ze een "gekalibreerde" schatting genereren die veel dichter bij het werkelijke gemeten gewicht en de werkelijke lengte lag. De resultaten waren opmerkelijk. Vóór de aanpassing suggereerden de zelfgerapporteerde gegevens dat minder mensen obees waren dan in werkelijkheid het geval was. Na het toepassen van de kalibratie steeg het geschatte obesitaspercentage bijna perfect naar de werkelijke metingen. Voor vrouwen liet de gekalibreerde data een obesitaspercentage zien van 26,0 procent, vrijwel identiek aan de 26,2 procent die bij de fysieke metingen werd gevonden. Voor mannen was het gekalibreerde cijfer 21,7 procent, zeer dicht bij de gemeten 22,5 procent.
De meest significante impact van deze correctie werd zichtbaar toen de onderzoekers keken naar ongelijkheid. Ze onderzochten hoe de obesitascijfers verschilden tussen mensen met verschillende niveaus van opleiding, inkomen en werkgelegenheid. De studie toonde aan dat het vertrouwen op ongecorrigeerde zelfrapportages de ware omvang van deze kloven had verborgen, maar op verschillende manieren voor mannen en vrouwen. Voor vrouwen maakte de aanpassing de kloof tussen de best en minst opgeleide groepen zelfs iets groter, wat suggereert dat eerdere schattingen de discrepantie hadden onderschat. Voor mannen gebeurde het tegenovergestelde; de ongecorrigeerde gegevens hadden de ongelijkheid groter doen lijken dan deze werkelijk was, en de kalibratie bracht de cijfers terug naar een nauwkeuriger niveau. De patronen voor inkomen en werkgelegenheid werden minder beïnvloed door de correctie, maar de verschillen gerelateerd aan opleiding verschoven merkbaar.
Dit werk demonstreert dat hoewel zelfgerapporteerde gegevens handig zijn, ze een verborgen prijs hebben wanneer ze worden gebruikt om sociale ongelijkheid te begrijpen. De onderzoekers lieten zien dat door middel van eenvoudige wiskundige aanpassingen op basis van veelvoorkomende demografische details, nationale gezondheidsenquêtes een veel waarheidsgetrouw beeld van obesitas kunnen herstellen zonder elke deelnemer fysiek te hoeven meten. Deze aanpak corrigeert niet alleen het totale aantal mensen met obesitas; het verheldert ook wie het meeste risico loopt en hoe sociale omstandigheden die risico's vormgeven. De studie suggereert dat gezondheidsfunctionarissen moeten overwegen om kleine groepen mensen met gemeten gegevens aan hun enquêtes toe te voegen, zodat zij deze correctietools kunnen bouwen en ervoor kunnen zorgen dat het verhaal dat door de cijfers wordt verteld, de werkelijkheid weerspiegelt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.