Calibrating self-reported BMI in national surveillance: impact on obesity misclassification and socioeconomic inequalities in Portugal
本研究表明，将校准方程应用于葡萄牙的自报人体测量数据，可以纠正对肥胖患病率的系统性低估并完善对社会经济不平等的评估（尤其是在女性群体中），从而增强国家肥胖监测的有效性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，试图通过让人们猜测自己的身高和体重来绘制一个国家的健康图谱。这是政府和研究人员常用的捷径，因为测量数百万人的数据既昂贵又耗时。然而，人类的记忆并非卷尺，我们的自我感知也往往受到“希望被如何看待”这一心理因素的影响。人们倾向于说自己比实际更高、比实际更轻，这种习惯扭曲了用于追踪肥胖问题的统计数据。当这些数字出现偏差时，公共健康的图景就会变得失真，使得人们难以看清谁正在遭受体重问题的困扰，以及收入或受教育程度等社会因素是如何影响这些困扰的。如果数据本身存在缺陷，那么旨在解决问题的政策可能会完全偏离目标。
在葡萄牙，研究人员利用国家调查提供的一个独特机会，致力于修复这种失真。研究团队获得了超过3,400名成年人的数据，这些成年人既向研究人员报告了自己的身高和体重，随后又由经过培训的工作人员进行了实际测量。这使得他们能够准确地看到自我报告的数据在何处出现了偏差。他们发现了一个清晰的模式：人们一致高估了自己的身高并低估了自己的体重。这种误差并非随机产生的；它随着年龄的增长和实际体重的增加而变得更加显著。女性尤其容易少报体重，而男性则经常多报身高。研究还表明，这些错误在社会中的分布并不均匀，而是因居住地和受教育程度的不同而有所差异。
为了纠正这些误差，研究人员根据大多数调查中已经收集到的简单信息——即一个人的年龄、性别、居住地和受教育程度——开发了一套调整规则，或称校准方程。通过将自我报告的数据代入这些规则，他们可以生成一个更接近实际测量身高和体重的“校准后”估计值。结果令人震惊。在进行调整之前，自我报告的数据显示的肥胖人数比实际情况要少。在应用校准后，估计的肥胖率上升到几乎与实际测量值相符。对于女性，校准后的数据显示肥胖率为26.0%，与物理测量得出的26.2%几乎完全一致。对于男性，校准后的数值为21.7%，与测量的22.5%非常接近。
这项修正最显著的影响体现在研究人员观察不平等现象时。他们检查了肥胖率在不同教育水平、收入和就业状态人群之间的差异。研究发现，依赖未经校准的自我报告掩盖了这些差距的真实程度，但对男性和女性的影响各不相同。对于女性，调整实际上使受教育程度最高和最低群体之间的差距看起来略微扩大了，这表明之前的估计低估了这种差异。对于男性，情况则相反；未经校准的数据曾让这种不平等看起来比实际情况更大，而校准将数字带回到了更准确的水平。收入和就业方面的模式受校准的影响较小，但与教育相关的差距发生了明显变化。
这项工作表明，虽然自我报告的数据很方便，但在理解社会不平等问题时却带有隐藏的代价。研究人员展示了通过使用基于常见人口统计细节的简单数学调整，国家健康调查可以在无需对每一位参与者进行实际测量的情况下，恢复一个更真实的肥胖图景。这种方法不仅修正了肥胖的总人数，还阐明了谁面临更高的风险，以及社会环境是如何塑造这些风险的。该研究建议，卫生官员应考虑在调查中加入包含实测数据的少量样本组，以便建立这些校准工具，确保数字所讲述的故事反映了现实。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。