Veterinary professionals’ weight-related communication when discussing an overweight or obese pet with a client
Notice bibliographique
Résumé
OBJECTIVE: Pet weight may be difficult for veterinary professionals to address with clients, particularly when pets are overweight or obese. The objective of this study was to characterize the communication processes and content of weight-related conversations occurring between veterinary professionals and clients. SAMPLE: Audio-video recordings of 917 veterinarian-client-patient interactions involving a random sample of 60 veterinarians and a convenience sample of clients. PROCEDURES: Companion animal veterinarians in southern Ontario, Canada, were randomly recruited, and interactions with their clients were audio-video recorded. Interactions were reviewed for mentions of weight, then further analyzed by means of a researcher-generated coding framework to provide a comprehensive assessment of communication specific to weight-related interactions. RESULTS: 463 of 917 (50.5%) veterinary-client-patient interactions contained an exchange involving the mention of a single patient's (dog or cat) weight and were included in final analysis. Of the 463 interactions, 150 (32.4%) involved a discussion of obesity for a single patient. Of these, 43.3% (65/150) included a weight management recommendation from the veterinary team, and 28% (42/150) provided clients with a reason for pursuing weight management. CLINICAL RELEVANCE: Findings illustrate opportunities to optimize obesity communication to improve the health and wellbeing of veterinary patients.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».