Weight bias internalization and beliefs about the causes of obesity among the Canadian public
Notice bibliographique
Résumé
Abstract Background Explicit weight bias is known as negative attitudes and beliefs toward individuals due to their weight status and can be perpetuated through misconceptions about the causes of obesity. Individuals may also experience weight bias internalization (WBI) when they internalize negative weight-related attitudes and self-stigmatize. There is a paucity of research on the beliefs about the causes of obesity and the prevalence of WBI among public Canadian samples. The aim of this study was to describe these attitudes and beliefs about obesity among a large Canadian sample across the weight spectrum. Methods A Canadian sample of adults ( N = 942; 51% Women; mean age group = 45–54 years; mean body mass index [BMI] = 27.3 ± 6.7 kg/m 2 ) completed an online questionnaire. Participants completed the Modified Weight Bias Internalization Scale, the Anti-Fat Attitudes Questionnaire, and the Causes of Obesity Questionnaire. Results Mean WBI score within the entire sample was 3.38 ± 1.58, and females had higher mean scores as compared to males ( p < 0.001). Mean scores were also higher among individuals with a BMI of > 30 kg/m 2 (4.16 ± 1.52), as compared to individuals with a BMI of 25–30 kg/m 2 (3.40 ± 1.50), and those with a BMI of 20–25 kg/m 2 or below 18.5 kg/m 2 (2.81 ± 1.44) ( p < 0.001 for all). Forty four percent of Canadians believed behavioural causes are very or extremely important in causing obesity, 38% for environmental causes, 28% for physiological and 27% for psychosocial causes. Stronger beliefs in behavioural causes were associated with higher levels of explicit weight bias. No BMI differences were reported on the four different subscales of the Causes of Obesity Questionnaire. Conclusions Weight bias internalization is prevalent among Canadians across all body weight statuses, and the public endorses behavioural causes of obesity, namely physical inactivity and overeating, more than its other causes. Findings warrant the reinforcement of efforts aimed at mitigating weight bias by educating the public about the complexity of obesity and by highlighting weight bias as a systemic issue that affects all Canadians living in diverse body weight statuses.
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 | 0,012 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».