MétaCan
Menu
Retour à la cohorte
Enregistrement W3002600829 · doi:10.1186/s12909-019-1908-0

Improving obesity management training in family medicine: multi-methods evaluation of the 5AsT-MD pilot course

2020· article· en· W3002600829 sur OpenAlexaff
Thea Luig, Sonja Wicklum, Melanie Heatherington, Albert Vu, Erin Cameron, Doug Klein, Arya M. Sharma, Denise Campbell‐Scherer

Notice bibliographique

RevueBMC Medical Education · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueObesity and Health Practices
Établissements canadiensNOSM UniversityUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedical educationCourse (navigation)MedicineWeight managementTraining (meteorology)ObesityWeight lossEngineeringInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Quality, evidence-based obesity management training for family medicine residents is needed to better support patients. To address this gap, we developed a comprehensive course based on the 5As of Obesity Management™ (ASK, ASSESS, ADVISE, AGREE, ASSIST), a framework and suite of resources to improve residents' knowledge and confidence in obesity counselling. This study assessed the course's impact on residents' attitudes, beliefs, and confidence with obesity counselling. METHODS: The course combines lectures with a bariatric empathy suit experience, standardized and in-clinic patient practice, and narrative reflections. Using a multi-methods design we measured changes in 42 residents' attitudes, beliefs, and self-confidence and thematically analyzed the narrative reflections to understand residents' experience with the course content and pedagogy. RESULTS: Following the course, residents reported improved attitudes towards people living with obesity and improved confidence for obesity counselling. Pre/post improvement in BAOP scores (n = 32) were significant (p < .001)., ATOP scores did not change significantly. Residents showed improvement in assessing root causes of weight gain (p < .01), advising patients on treatment options (p < .05), agreeing with patients on health outcomes (p < .05), assisting patients in addressing their barriers (p < .05), counseling patients on weight gain during pregnancy, (p < .05), counseling patients on depression and anxiety (p < .01), counseling patients on iatrogenic causes of weight gain (p < .01), counseling patients who have children with obesity (p < .05), and referring patients to interdisciplinary providers for care (p < .05). Qualitative analysis of narrative reflections illustrates that experiential learning was crucial in increasing residents' ability to empathically engage with patients and to critically reflect on implications for their practice. CONCLUSION: The 5AsT-MD course has the potential to increase residents' confidence and competency in obesity prevention and management. Findings reflect the utility of the 5As to improve residents' confidence and competency in obesity management counselling.

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)0,020
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,403
Tête enseignante GPT0,600
Écart entre enseignants0,196 · 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'étudeObservationnel
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

Citations30
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Medical EducationMême sujetObesity and Health PracticesTravaux en français237 207