The future burden of obesity in Canada: a modelling study

Can J Public Health. 2019 Dec;110(6):768-778. doi: 10.17269/s41997-019-00251-y. Epub 2019 Aug 19.

Abstract

Objectives: We applied the validated Obesity Population Risk Tool (OPoRT) to estimate the future burden of obesity in Canada using baseline risk factors attained through routinely collected survey data.

Methods: OPoRT was developed using logistic regression with sex-specific generalized estimating equations to predict the 10-year prevalence of obesity (outcome BMI ≥ 30.0) among adults 18 and older. The algorithm includes 17 predictive factors, including socio-demographic and health behavioural characteristics. OPoRT demonstrated excellent discrimination (C-statistic ≥ 0.89) and achieved calibration. We applied OPoRT to Canadian Community Health Survey (2013/14) data to predict the future prevalence of obesity in Canada for a variety of population subgroups.

Results: The predicted burden of obesity grew from 261 cases per 1000 in 2013/14 to 326 cases per 1000 in 2023/24 corresponding to a total of 8.54 million individuals with obesity. The burden is expected to be higher among males (347 cases per 1000) than females (305 cases per 1000). Individuals aged 35-49 had the highest predicted burden of obesity (374 cases per 1000) and the largest number of predicted cases (2.42 million), while individuals in the ≥ 65 age group had the lowest predicted burden (236 cases per 1000). The number of individuals with obesity per 1000 is highest among those severely food insecure (452 cases per 1000), compared with food secure individuals (324 cases per 1000).

Conclusions: OPoRT can be used to estimate the future population burden of obesity, to identify priority subgroups at an elevated risk. Burden estimates should be reflected in approaches to curb the future burden of obesity.

Objectifs: Nous avons appliqué l’OPoRT, un outil validé d’estimation de l’obésité dans la population, pour estimer le fardeau futur de l’obésité au Canada à l’aide de facteurs de risque de référence obtenus au moyen de données d’enquête collectées systématiquement.

Méthode: L’outil OPoRT a été élaboré par régression logistique avec des équations d’estimation généralisées sexospécifiques pour prédire la prévalence de l’obésité dans 10 ans (IMC résultant ≥ 30,0) chez les adultes de 18 ans et plus. L’algorithme comporte 17 facteurs prédictifs, dont des caractéristiques sociodémographiques et des caractéristiques comportementales liées à la santé. L’outil OPoRT a présenté une excellente capacité de discrimination (indice de concordance ≥ 0,89) et a permis d’effectuer un étalonnage. Nous l’avons appliqué aux données de l’Enquête sur la santé dans les collectivités canadiennes (2013-2014) pour prédire la prévalence future de l’obésité au Canada dans divers segments démographiques.

Résultats: Le fardeau prévu de l’obésité passerait de 261 cas p. 1 000 en 2013-2014 à 326 cas p. 1 000 en 2023-2024, ce qui correspond à 8,54 millions de personnes obèses en tout. Il devrait être plus élevé chez les hommes (347 cas p. 1 000) que chez les femmes (305 cas p. 1 000). Les personnes de 35 à 49 ans présenteraient le fardeau d’obésité prévu le plus élevé (374 cas p. 1 000) et le plus grand nombre de cas prédits (2,42 millions), et les personnes de ≥ 65 ans, le plus faible fardeau d’obésité prévu (236 cas p. 1 000). Le nombre de personnes obèses p. 1 000 serait le plus élevé chez les personnes en situation d’insécurité alimentaire grave (452 cas p. 1 000) comparativement aux personnes à l’abri de l’insécurité alimentaire (324 cas p. 1 000).

Conclusions: L’outil OPoRT peut servir à estimer le fardeau futur de l’obésité dans la population et à définir les sous-groupes prioritaires courant un risque élevé. Les estimations de ce fardeau devraient se traduire par des démarches pour résorber le fardeau futur de l’obésité.

Keywords: Chronic disease; Community health planning; Forecasting; Obesity; Population health.

Publication types

  • Research Support, Non-U.S. Gov't

MeSH terms

  • Adult
  • Aged
  • Canada / epidemiology
  • Female
  • Forecasting
  • Health Surveys
  • Humans
  • Logistic Models
  • Male
  • Middle Aged
  • Obesity / epidemiology*
  • Prevalence
  • Risk Factors

Grants and funding