Obstetric healthcare providers’ perceptions of communicating gestational weight gain recommendations to overweight/obese pregnant women
Notice bibliographique
Résumé
BACKGROUND: Gestational weight gain (GWG) is a major risk factor of poor pregnancy outcomes. Obese pregnant women frequently report bias and discrimination when dealing with healthcare providers (HCPs). Effective communication of GWG recommendations may impact risks. Study objectives were to identify perceptions of HCPs in communicating GWG recommendations and to identify potential gaps/opportunities that could be addressed in the development of appropriate materials/programmes. METHODS: A survey tool was created using the Theory of Planned Behaviour to capture HCPs' attitudes, behaviours and intentions, using four-point Likert questions. Surveys were distributed to obstetricians/gynaecologists, family physicians, obstetric residents/ fellows, midwives, registered/public health nurses and registered dietitians. RESULTS: Results from 96 surveys show that HCPs agreed discussing GWG was important (100%), beneficial for patient-provider rapport (86%) and best practice (100%); however, most found it unpleasant (68%). Providers have confidence in their skills to provide nutrition advice (71%) and believe they have sufficient training (56%); yet, 31% acknowledged making derogatory comments and indicated that they could improve their communication of GWG (92%). CONCLUSIONS: HCPs believe they are providing GWG recommendations in an effective and empathetic manner. While an underlying current of bias/discrimination remains, there is recognition of the importance of more training and access to appropriate tools.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».