美国田纳西州谢尔比县社区因素与成人肥胖的相关性研究卡塔尔世界杯8强波胆分析地理空间机器学习方法%A Brakefield,Whitney S %A Olusanya,Olufunto A %A shaan - nejad,Arash %+田纳西大学健康科学中心医学院儿科生物医学信息中心，50 N Dunlap Street, 491R，田纳西州孟菲斯，38103，美国，19901 287 5836，ashabann@uthsc.edu %K肥胖%K肥胖监测%K疾病监测%K机器学习%K地理信息系统%K健康的社会决定因素%K SDOH %K差异%D 2022 %7 9.8.2022 %9背景:肥胖是一种全球性流行病，每年至少造成280万人死亡。这种复杂的疾病与严重的社会经济负担、工作生产力下降、失业和其他健康社会决定因素(SDOH)差异有关。目的:本研究的目的是利用地理空间机器学习方法，调查SDOH对美国田纳西州谢尔比县成年人肥胖患病率的影响。方法:肥胖患病率数据来源于美国疾病控制与预防中心公开的500个城市数据库，SDOH指标数据来源于美国人口普查和美国农业部。我们检查了肥胖流行模式的地理分布，使用Getis-Ord Gi*统计数据并校准了多个模型来研究SDOH与成人肥胖之间的关系。采用无监督机器学习进行分组分析，调查肥胖患病率分布及相关SDOH指标。结果:结果描述了谢尔比县经历高成人肥胖患病率的社区的高比例。在人口普查区，家庭收入中位数以及黑人、租房者、生活在贫困线以下、55岁或以上、未婚和无保险的个人比例与成人肥胖患病率有显著关联。 The grouping analysis revealed disparities in obesity prevalence among disadvantaged neighborhoods. Conclusions: More research is needed to examine links between geographical location, SDOH, and chronic diseases. The findings of this study, 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 of increasing obesity prevalence. %M 35943795 %R 10.2196/37039 %U https://publichealth.www.mybigtv.com/2022/8/e37039 %U https://doi.org/10.2196/37039 %U http://www.ncbi.nlm.nih.gov/pubmed/35943795