MétaCan
Menu
Retour à la cohorte
Enregistrement W2472862530 · doi:10.1080/07399332.2016.1195386

The experience of regaining weight following weight loss surgery: A narrative-phenomenological exploration

2016· article· en· W2472862530 sur OpenAlexaff
Karen Synne Groven, Nicole M. Glenn

Notice bibliographique

RevueHealth Care For Women International · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueObesity and Health Practices
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésWeight lossNarrativeMeaning (existential)Weight Loss SurgeryObesityPsychologyHermeneutic phenomenologyAestheticsMedicinePsychotherapistLived experienceGastric bypassArtLiterature

Résumé

récupéré en direct d'OpenAlex

Weight loss surgery (WLS) is gaining ground as the most effective treatment against obesity. In the literature, however, we see a divide among individuals who have undergone WLS based on the amount of weight lost and maintained: successful and unsuccessful patients. In this article, we focus on the notion of unsuccessful patients-exploring the accounts of three women who have regained weight following WLS. In doing so, we endeavor to better understand how weight regain has meaning, and its impact and implications for the lives of individuals who undergo WLS. The findings reveal how weight-regain stories are easily silenced, buried beneath social, cultural, and institutional/medical narratives of successful weight loss and transformation. People who have such experiences may feel reticent to reveal them and in doing so increase their own suffering, therefore leaving the popular narratives unchallenged.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,782
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,447
Écart entre enseignants0,363 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations20
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Care For Women InternationalMême sujetObesity and Health PracticesTravaux en français237 207