Current Weight Management Approaches Used by Primary Care Providers in Six Multidisciplinary Healthcare Settings in Ontario
Notice bibliographique
Résumé
BACKGROUND: Obesity management in primary care has been suboptimal due to lack of access to allied health professionals, time, and resources. PURPOSE: To understand the weight management approaches used by primary care providers working in team-based settings and how they assess the most suitable approach for a patient. METHODS: A total of 20 primary care providers (13 nurse practitioners and 7 family physicians) working in 6 multidisciplinary clinics in Ontario were interviewed. All interviews were recorded, transcribed verbatim, and coded using NVivo qualitative software. Conventional content analysis was used to inductively elucidate codes, which were then clustered into categories. RESULTS: A referral to on-site programming was the most frequent weight management approach used. The pharmacological approach was underutilized due to adverse side effects and cost to patients. Primary care providers assessed the most suitable weight management approach based on patients': preference, level of motivation, income status and access to resources, body mass index and comorbidities, and previous weight loss attempts. Primary care providers perceived that referring to health professionals and educational resources were the approaches preferred by patients. CONCLUSIONS: The team-based nature of these clinics allowed for referrals to various on-site professionals and/or programs. Some barriers to pursuing weight management avenues with patients were patient dependent.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».