Multilevel Causal Analysis of Socio-Psychological and Behavioral Factors of Health Providers and Clients That Affect Health Behavioral Modification in Obesity
Notice bibliographique
Résumé
UNLABELLED: The Comprehensive Lifestyle Intervention, which integrates behavioral therapy, is the main ideal management of the clients with obesity. Various socio-psychological factors can affect outcome of the program. THE PURPOSES: to determine the socio-psychological factors at the client and provider groups that affect health behavior modification (HBM) in obese clients, and to investigate the cross-level interaction of factors that affect HBM. The samples included 87 health providers and 412 clients using stratified random sampling. Hierarchical Linear Model was used to analyze in a questionnaire with reliability of 0.8-0.9. RESULTS: 1) for the clients: 1.1) Attitudes towards healthy behavior (AHB), health-related knowledge, and trust in the provider predicted self-efficacy at 49.40%; 1.2) AHB and support from the provider predicted self-regulation at 75.50%; and 1.3) AHB, trust in the provider and support from the provider predicted self-care at 26.6%. 2) for the health providers: 2.1) Health quotient (HQ), project management (PM), support from the team, and the team emotional quotient (EQ) predicted self-efficacy at 71.30%; 2.2) PM and HQ predicted self-regulation at 51.60%; and 2.3) PM, team EQ and HQ predicted self-care at 77.30%., 3) No cross-level interaction of factors between the clients and the providers was identified to affect HBM. CONCLUSION: the obese client's AHB is the factor that significantly influenced self-efficacy, self-regulation and self-care (3SELF). At the health provider level, both HQ and PM significantly influenced 3SELF. Behavioral.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».