TY - JOUR AU - Brakefield, Whitney S AU - Olusanya, Olufunto A AU - Shaban-Nejad, Arash PY - 2022 DA - 2022/8/9 TI -田纳西州谢尔比县社区因素与成人肥胖的关系:地理空间机器学习方法JO - JMIR公共卫生监测SP - e37039 VL - 8 IS - 8kw -肥胖KW -肥胖监测KW -疾病监测KW -机器学习KW -地理信息系统KW -健康的社会决定因素KW - SDOH KW -差异AB -背景:肥胖是一种全球流行病，每年造成至少280万人死亡。这种复杂的疾病与严重的社会经济负担、工作生产率降低、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，研究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:肥胖流行率来自美国疾病控制和预防中心的500个城市数据库，SDOH指标来自美国人口普查和美国农业部。我们研究了肥胖流行模式的地理分布，使用Getis-Ord Gi*统计数据和校准多个模型来研究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，调查肥胖患病率及相关SDOH指标的分布情况。结果:结果描述了在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、生活在贫困水平以下、55岁或以上、未婚、无保险的个人比例，与成人肥胖患病率有显著关联。分组分析揭示了贫困社区肥胖流行率的差异。 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. SN - 2369-2960 UR - https://publichealth.www.mybigtv.com/2022/8/e37039 UR - https://doi.org/10.2196/37039 UR - http://www.ncbi.nlm.nih.gov/pubmed/359437 DO - 10.2196/37039 ID - info:doi/10.2196/37039 ER -