A Multilevel Approach to Estimating Small Area Childhood Obesity Prevalence at the Census Block-Group Level

Navigate This Article

Xingyou Zhang, PhD; Stephen Onufrak, PhD; James B. Holt, PhD; Janet B. Croft, PhD

Suggested citation for this article: Zhang X, Onufrak S, Holt JB, Croft JB. A Multilevel Approach to Estimating Small Area Childhood Obesity Prevalence at the Census Block-Group Level. Prev Chronic Dis 2013;10:120252. DOI: http://dx.doi.org/10.5888/pcd10.120252

PEER REVIEWED

Abstract

Introduction
Traditional survey methods for obtaining nationwide small-area estimates (SAEs) of childhood obesity are costly. This study applied a geocoded national health survey in a multilevel modeling framework to estimate prevalence of childhood obesity at the census block-group level.
Methods
We constructed a multilevel logistic regression model to evaluate the influence of individual demographic characteristics, zip code, county, and state on the childhood obesity measures from the 2007 National Survey of Children’s Health. The obesity risk for a child in each census block group was then estimated on the basis of this multilevel model. We compared direct survey and model-based SAEs to evaluate the model specification.
Results
Multilevel models in this study explained about 60% of state-level variances associated with childhood obesity, 82.8% to 86.5% of county-level, and 93.1% of zip code-level. The 95% confidence intervals of block- group level SAEs have a wide range (0.795-20.0), a low median of 2.02, and a mean of 2.12. The model-based SAEs of childhood obesity prevalence ranged from 2.3% to 54.7% with a median of 16.0% at the block-group level.
Conclusion
The geographic variances among census block groups, counties, and states demonstrate that locale may be as significant as individual characteristics such as race/ethnicity in the development of the childhood obesity epidemic. Our estimates provide data to identify priority areas for local health programs and to establish feasible local intervention goals. Model-based SAEs of population health outcomes could be a tool of public health assessment and surveillance.

Top of Page

Author Information

Corresponding Author: Xingyou Zhang, PhD, Centers for Disease Control and Prevention, 4770 Buford Hwy, NE, MS K67, Atlanta, GA 30341. Telephone: 770-488-5723. E-mail: gyx8@cdc.gov.
Author Affiliations: Stephen Onufrak, James B. Holt, Janet B. Croft, Centers for Disease Control and Prevention, Atlanta, Georgia.

Un enfoque de múltiples niveles para calcular la prevalencia de la obesidad infantil en áreas pequeñas, al nivel de los grupos de cuadras del censo

Xingyou Zhang, PhD; Stephen Onufrak, PhD; James B. Holt, PhD; Janet B. Croft, PhD

Citación sugerida para este artículo: Zhang X, Onufrak S, Holt JB, Croft JB. A Multilevel Approach to Estimating Small Area Childhood Obesity Prevalence at the Census Block-Group Level. Prev Chronic Dis 2013;10:120252. DOI: http://dx.doi.org/10.5888/pcd10.120252

Aclaraci?n sobre los enlaces a sitios web externos

REVISADO POR EXPERTOS

Resumen

Introducción
Los métodos de encuestas tradicionales para obtener cálculos de la obesidad infantil en áreas pequeñas (SAE, por sus siglas en inglés) a nivel nacional son muy costosos. Este estudio utilizó una encuesta de salud nacional geocodificada, en un marco de un modelo de múltiples niveles, para calcular la prevalencia de la obesidad infantil a nivel de los grupos de cuadras del censo.
Métodos
Construimos un modelo de regresión logística de múltiples niveles a fin de evaluar la influencia de características demográficas individuales, códigos postales, condados y estado en las mediciones de obesidad infantil de la Encuesta Nacional de Salud Infantil del 2007. Se calculó el riesgo de obesidad de un niño en cada grupo de bloques con base en este modelo de múltiples niveles. Comparamos los SAE directos de la encuesta con los basados en los modelos para evaluar la especificación del modelo.
Resultados
Los modelos de múltiples niveles en este estudio justificaron cerca del 60 % de las varianzas asociadas con la obesidad infantil a nivel estatal, del 82.8 % al 86.5 % a nivel de condado, y del 93.1 % a nivel de código postal. El intervalo de confianza del 95 % de los SAE a nivel de grupo de cuadras tiene un intervalo amplio (0.795 a 20.0), una mediana baja de 2.02 y una media de 2.12. Los SAE de la prevalencia de obesidad infantil basados en los modelos oscilaron entre 2.3 % y 54.7 % con una mediana de 16.0 % a nivel de grupo de cuadras.
Conclusión
Las varianzas geográficas entre los grupos de cuadras del censo, condados y estados demuestran que la localidad podría ser tan significativa como las características individuales, como la raza o etnicidad, en el desarrollo de la epidemia de obesidad infantil. Nuestros cálculos proporcionan datos que permiten identificar las áreas de prioridad para los programas de salud locales y establecer metas factibles de intervención local. Los SAE de los resultados de la salud de la población, basados en los modelos, podrían ser una herramienta de evaluación y vigilancia de salud pública.