MétaCan
Menu
Retour à la cohorte
Enregistrement W2562065619 · doi:10.14740/jocmr2868w

Hispanic Patient Perspectives of the Physician’s Role in Obesity Management

2016· article· en· W2562065619 sur OpenAlexvenueno aff
Colton Ragsdale, Justin Wright, Gurjeet S Shokar, Rebekah Salaiz, Navkiran K. Shokar

Notice bibliographique

RevueJournal of Clinical Medicine Research · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueObesity and Health Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWeight lossMedicineWeight managementObesityFamily medicineManagement of obesityHealth carePerceptionCoding (social sciences)NursingPsychologyPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Little is known concerning Hispanic patients' perceptions about the role of the physician in obesity management. This study seeks to describe the perspectives of Hispanic patients toward weight loss, and what they believe their doctor's role should be in the management of obesity. METHODS: A cross-sectional study utilizing semi-structured interviews was conducted in a university-based family medicine clinic. Open-ended questions explored beliefs about the relationship between weight and health, previous weight loss experience, perceptions about the role of the physician in weight loss, past experiences with their physician, and preferences for how a physician could help facilitate weight loss. The free recall listing technique was used to elicit responses. Common themes were identified by a group coding process. RESULTS: Patients were open to discussion from physicians concerning weight loss but many had not been approached. They wanted assistance from their doctors in the form of dietician referrals, specific weight loss goals, and encouragement. Patients' knowledge about the implications of excess weight on health was lacking. CONCLUSION: Hispanic patients want more help and advice from their doctors. General knowledge of the health implications of obesity was lacking, indicating a need for more health education by the healthcare team.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,289
Tête enseignante GPT0,636
Écart entre enseignants0,346 · 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'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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Medicine ResearchMême sujetObesity and Health PracticesTravaux en français237 207