Championing the use of people‐first language in childhood overweight and obesity to address weight bias and stigma: A joint statement from the<scp>European‐Childhood‐Obesity‐Group</scp>(<scp>ECOG</scp>), the<scp>European‐Coalition‐for‐People‐Living‐with‐Obesity</scp>(<scp>ECPO</scp>), the<scp>International‐Paediatric‐Association</scp>(<scp>IPA</scp>),<scp>Obesity‐Canada</scp>, the<scp>European‐Association‐for‐the‐Study‐of‐Obesity Childhood‐Obesity‐Task‐Force</scp>(<scp>EASO‐COTF</scp>), Obesity Action Coalition (<scp>OAC</scp>), The Obesity Society (<scp>TOS</scp>) and the<scp>World‐Obesity‐Federation</scp>(<scp>WOF</scp>)
Notice bibliographique
Résumé
Championing the use of people-first language in childhood overweight and obesity to address weight bias and stigma: A joint statement from the European-Childhood-Obesity-Group (ECOG), the European-Coalition-for-People-Living-with-Obesity (ECPO), the International-Paediatric-Association (IPA), Obesity-Canada, the European-Association-for-the-Study-of-Obesity Childhood-Obesity-Task-Force (EASO-COTF), Obesity Action Coalition (OAC), The Obesity Society (TOS) and the World-Obesity-Federation (WOF)Leading voices in the field of obesity research and clinical practice have called for the use of person-first and patient-first language in overweight and obesity clinical practice, research, education, and advocacy communications.While this has been a clear and consistent message in the context of adult obesity, [1][2][3][4][5][6][7] we here aim to highlight the importance of people-first language for childhood obesity.Obesity is a chronic, complex, neurometabolic disease whereby an abnormal or excessive accumulation of body fat results in risk to health.People-first terminology appropriately acknowledges individuals first and avoids defining them by their disease, 8 for example, using the term 'people with obesity' instead of 'obese people'.By extension, respectful person-first communication uses this patient-centred over euphemistic terms or emotional labels that suggest victimization or helplessness.9 In contrast, identity-first or disease-first language puts
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 | 0,076 | 0,131 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,021 |
| Communication savante | 0,012 | 0,019 |
| Science ouverte | 0,006 | 0,030 |
| Intégrité de la recherche | 0,025 | 0,047 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».