MétaCan
Menu
Retour à la cohorte
Enregistrement W4307257035 · doi:10.1111/cob.12562

Rethinking weight: Finding self‐compassion for ‘weight management’

2022· letter· en· W4307257035 sur OpenAlexaff
Jennifer Brenton-Peters, Michael Vallis, Shannan Grant, Nathan S. Consedine, Sara Kirk, Rajshri Roy, Anna Serlachius

Notice bibliographique

RevueClinical Obesity · 2022
Typeletter
Langueen
DomainePsychology
ThématiqueMindfulness and Compassion Interventions
Établissements canadiensMount Saint Vincent UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésWeight managementCognitive reframingCompassionMedicineWeight lossDistressPerspective (graphical)Self-managementSelf-compassionBody weightApplied psychologyPsychologySocial psychologyClinical psychologyMindfulnessObesity

Résumé

récupéré en direct d'OpenAlex

Conventional weight management approaches emphasize engaging in health behaviours, such as healthy eating and physical activity, to control body weight and promote favourable health outcomes (e.g., lower blood pressure). However, weight management is a multi-faceted, complex process influenced by numerous factors that limit the impact of behaviour change on weight. Self-compassion, treating oneself kindly in times of increased distress or difficulty, may offer a way for individuals to cope with the challenges of managing weight. The objectives of this perspective paper are threefold: (1) to conceptualize weight management, (2) to describe the problem that arises when focusing solely on weight loss, and (3) to explore the theoretical rationale for integrating self-compassion into weight management interventions. To support individual health and well-being, there is a need to reframe measures of success and provide innovative ways to cope with the challenges of managing body weight. Continued research is needed to investigate whether self-compassion can support health outcomes for those with weight management goals. This manuscript provides a proposed research agenda and implications for future practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,242
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0850,001

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 Opus0,107
Tête enseignante GPT0,404
Écart entre enseignants0,297 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical ObesityMême sujetMindfulness and Compassion InterventionsTravaux en français237 207