Mapping changes in the obesity stigma discourse through Obesity Canada: a content analysis
Notice bibliographique
Résumé
BACKGROUND: Stigmatization of persons living with obesity is an important public health issue. In 2015, Obesity Canada adopted person-first language in all internal documentation produced by the organization, and, from 2017, required all authors to use person-first language in abstract submissions to Obesity Canada hosted conferences. The impact of this intentional shift in strategic focus is not known. Therefore, the aim of this study was to conduct a content analysis of proceedings at conferences hosted by Obesity Canada to identify whether or how constructs related to weight bias and obesity stigma have changed over time. METHODS: Of 1790 abstracts accepted to conferences between 2008-2019, we excluded 353 abstracts that featured animal or cellular models, leaving 1437 abstracts that were reviewed for the presence of five constructs of interest and if they changed over time: 1) use of person-first versus use of disease-first terminology, 2) incorporation of lived experience of obesity, 3) weight bias and stigma, 4) aggressive or alarmist framing and 5) obesity framed as a modifiable risk factor versus as a disease. We calculated and analyzed through linear regression: 1) the overall frequency of use of each construct over time as a proportion of the total number of abstracts reviewed, and 2) the ratio of abstracts where the construct appeared at least once based on the total number of abstracts. RESULTS: We found a significant positive correlation between use of person-first language in abstracts and time (R2 = 0.51, p < 0.01 for frequency, R2 = 0.65, p < 0.05 for ratio) and a corresponding negative correlation for the use of disease-first terminology (R2 = 0.48, p = 0.01 for frequency, R2 = 0.75, p < 0.001 for ratio). There was a significant positive correlation between mentions of weight bias and time (R2 = 0.53 and 0.57, p < 0.01 for frequency and ratio respectively). CONCLUSION: Use of person-first language and attention to weight bias increased, while disease-first terminology decreased in accepted abstracts over the past 11 years since Obesity Canada began hosting conferences and particularly since more explicit actions for expectations to use person-first language were put in place in 2015 and 2017.
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 | 0,059 | 0,264 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,031 | 0,042 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 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 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 ».