MétaCan
Menu
Retour à la cohorte
Enregistrement W3092555979 · doi:10.1016/j.bodyim.2020.09.001

Exploring primary care providers’ understandings of body image in patient care

2020· article· en· W3092555979 sur OpenAlexaff
Larkin Lamarche, K. Alysse Bailey, Amen Awan, Cathy Risdon, Glenda Pauw, Erin Vinoski Thomas

Notice bibliographique

RevueBody Image · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensUniversity of GuelphMcMaster University
Organismes subventionnairesnon disponible
Mots-clésHealth careThematic analysisGuidelinePsychologyNursingBody of knowledgeMedicineQualitative researchKnowledge managementSociologyComputer science

Résumé

récupéré en direct d'OpenAlex

Research has shown that healthcare providers lack confidence in having the knowledge needed to have conversations about body image with their patients. No research to date has explicitly explored how providers in primary healthcare understand body image, including its definition and how it impacts plans for care. Accordingly, the current study explored how primary healthcare providers define body image and how they see the concept of body image manifest in their practice. A total of 21 participants were interviewed, including 3 registered dietitians, 6 occupational therapists, 4 physiotherapists, 1 registered massage therapist, 1 kinesiologist, 4 family physicians, 1 nurse, and 1 social worker. Using thematic analysis, it was found that gaps in knowledge about body image were quite apparent as participants' understanding of body image was slippery (e.g., they struggled to articulate specifics about the concept within care and recognized body image is not something associated with a clinical guideline that would bring form to the concept). However, healthcare providers believed in the importance of body image in their patients' care in broad and far reaching ways. Future directions for bridging the knowledge gap with respect to body image among primary healthcare providers are discussed.

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)0,013
score de la tête « metaresearch » (Gemma)0,026
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 enseignants0,013
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,006
Communication savante0,0040,003
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
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 Opus0,056
Tête enseignante GPT0,285
Écart entre enseignants0,229 · 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

Citations20
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBody ImageMême sujetEmpathy and Medical EducationTravaux en français237 207