Weight bias: a call to action
Notice bibliographique
Résumé
Weight-related issues (including excess weight, disordered eating and body concerns) are often considered as comprising distinct domains of 'obesity' and 'eating disorders'. In this commentary we argue that the concept of weight bias is an important variable when considering wellbeing across the spectrum of weight-related issues. We make the following six points in support of this argument: i) weight bias is common and has adverse health consequences, ii) shaming individuals for their body weight does not motivate positive behaviour change, iii) internalized weight bias is particularly problematic, iv) public health interventions, if not carefully thought out, can perpetuate weight bias, v) weight bias is a manifestation of social inequity, and vi) action on weight bias requires an upstream, population-level approach. To achieve sustainable reductions in weight bias at a population level, substantive modifications and collaborative efforts in multiple settings must be initiated. We provide several examples of population-level interventions to reduce weight bias.
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 | 0,111 | 0,142 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,081 |
| Communication savante | 0,013 | 0,043 |
| Science ouverte | 0,011 | 0,016 |
| Intégrité de la recherche | 0,088 | 0,106 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».