Managing Anti-Fat Stigma in Primary Care: An Observational Study
Notice bibliographique
Résumé
In many wealthy countries, fatness is stigmatized as a sign of personal failure. Health care interactions can enact fat-related stigmatization, which can worsen health outcomes. The present analysis highlights how stigmatizing discourses about fat bodies emerge in primary care appointments, and examines immediate conversational effects. METHODS: Observational study in three primary care clinics in Canada, using conversation and discourse analytic methods on transcripts of 29 audio-recorded appointments with adults. Talk about weight and blood pressure are contrasted. RESULTS: During measurement and review of measurements, clinicians routinely interpreted the blood pressure result but rarely interpreted weight. Patients of varied ages and body sizes often filled the interpretative vacuum, and focused on behaviors. Overall, neither patients nor clinicians challenged the stigmatizing discourses associated with fat bodies, but sometimes agreed that the "personal failure" frame associated with fatness does not apply to the particular patient. Physicians rarely raised other determinants of weight, but often did so when talking about blood pressure. CONCLUSIONS: Across most body types and ages, weight-related talk spurred stigma management from adult patients. Patients' interpretations were consistent with accepting or avoidant strategies to manage stigma. The findings challenge clinicians and researchers to frame patients' defensiveness or sensitivity as a predictable response to mitigate stigma, and consider how clinical care might be better structured to avoid stigmatization. Recognizing the range of determinants of weight with interpretation of weight may help, particularly if combined with other methods to de-stigmatize care. The results have implications for clinical weight management and behavior change support.
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 | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».