MétaCan
Menu
Retour à la cohorte
Enregistrement W1569278502 · doi:10.1111/cob.12038

Effect of implementing the 5<scp>A</scp>s of <scp>O</scp>besity <scp>M</scp>anagement framework on provider–patient interactions in primary care

2013· article· en· W1569278502 sur OpenAlexafffundabout
Christian F. Rueda‐Clausen, Eleanor Benterud, Tara R. Bond, Regina Olszowka, Michael T Vallis, Arya M. Sharma

Notice bibliographique

RevueClinical Obesity · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueObesity and Health Practices
Établissements canadiensDalhousie UniversityCanadian Obesity NetworkUniversity of Alberta
Organismes subventionnairesPublic Health AgencyCanadian Institutes of Health ResearchAlberta Innovates - Health Solutions
Mots-clésMedicineObesityIntervention (counseling)Weight managementManagement of obesityPrimary careFamily medicineWeight lossNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

WHAT IS ALREADY KNOWN ABOUT THIS SUBJECT: Obesity counselling in primary care is positively associated with self-reported behaviour change in patients with obesity. Obesity counselling is rare, and when it does occur, it is often of low quality because of poor training and/or competency of providers' obesity management, lack of time and economical disincentives, and negative attitude towards obesity and obesity management. 5As frameworks are routinely used for behaviour-change counselling and addiction management (e.g. smoking cessation), but few studies have examined its efficacy for weight management. WHAT THIS STUDY ADDS: This study presents pilot data from the implementation and evaluation of an obesity management tool (5As of Obesity Management developed by the Canadian Obesity Network) in a primary care setting. Results show that the tool facilitates weight management in primary care by promoting physician-patient communications, medical assessments for obesity and plans for follow-up care. Obesity remains poorly managed in primary care. The 5As of Obesity Management is a theory-driven, evidence-based minimal intervention designed to facilitate obesity counselling and management by primary care practitioners. This project tested the impact of implementing this tool in primary care clinics. Electronic self-administered surveys were completed by pre-screened obese subjects at the end of their appointments in four primary care clinics (over 25 healthcare providers [HCPs]). These measurements were performed before (baseline, n = 51) and 1 month after implementing the 5As of Obesity Management (post-intervention, n = 51). Intervention consisted of one online training session (90 min) and distribution of the 5As toolkit to HCPs of participating clinics. Subjects completing the survey before and after the intervention were comparable in terms of age, sex, body mass index, comorbidities, satisfaction and self-reported health status (P > 0.2). Implementing the 5As of Obesity Management resulted in a twofold increase in the initiation of obesity management (19 vs. 39%, P = 0.03), and caused a statistically significant increase in the perceived follow-up/coordination efforts (self-reported Patient Assessment of Chronic Illness Care components, 45 ± 22 vs. 67 ± 12 points, P = 0.002), as well as two components of the 5As framework: Assess (50 ± 29 vs. 66 ± 15 points, P = 0.03) and Assist (54 ± 26 vs. 72 ± 13 points, P = 0.01). Our results suggest that using the 5As of Obesity Management facilitates weight management in primary care by promoting physician-patient communications, medical assessments for obesity and plans for follow-up care.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,064
Tête enseignante GPT0,461
Écart entre enseignants0,397 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations83
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueClinical ObesityMême sujetObesity and Health PracticesTravaux en français237 207