Evidence-based recommendations to assist adults with depression to become lifelong movers
Notice bibliographique
Résumé
INTRODUCTION: Weight-related social stigma is associated with adverse health outcomes. Health care systems are not exempt of weight stigma, which includes stereotyping, prejudice and discrimination. The objective of this study was to examine the association between body mass index (BMI) class and experiencing discrimination in health care. METHODS: We used data from the 2013 Canadian Community Health Survey, which included measurements of discrimination never collected previously on a national scale. Logistic regression analysis was used to assess the risk of self-reported discrimination in health care in adults (≥18 years) across weight categories: not obese (BMI < 30 kg/m2), obese class I (BMI = 30-< 35 kg/m2) and obese class II or III (BMI ≥ 35 kg/m2). RESULTS: One in 15 (6.4%; 95% CI: 5.7-7.0%) of the adult population reported discrimination in a health care setting (e.g. physician's office, clinic or hospital). Compared with those in the not obese group, the risk of discrimination in health care was somewhat higher among those in the class I obesity category (odds ratio [OR] = 1.20; 95% CI: 1.00-1.44) and significantly higher among those in class II/III (OR = 1.52; 95% CI: 1.21-1.91), after controlling for sex, age and other socioeconomic characteristics. CONCLUSION: Quantified experiences of weight-related discrimination underscore the need to change practitioner attitudes and practices as well as the policies and procedures of the health care system. More research is needed on the social and economic impacts of weight stigma to inform focused investments for reducing discrimination in the health care system as a microcosm of the society it reflects.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».