Knowledge and Training Needs of Primary Healthcare Physicians Regarding Obesity Management in Saudi Arabia: A Systematic Review
Notice bibliographique
Résumé
Background/Objectives: Obesity has surged globally, posing various health risks. Its prevalence and management, especially in primary health care settings in Saudi Arabia, have recently been under the spotlight. This research synthesized various studies, analyzing the knowledge and preparedness of primary health care physicians in addressing and management of obesity in Saudi Arabia. Methods: An exhaustive evaluation of studies spanning different regions of Saudi Arabia, focusing on physicians' capabilities, knowledge, and practices in obesity management. This analysis also took into account the comparative approaches of countries like Canada, the UK, USA, and Hungary. Various factors, such as specialized obesity treatments, patient-centric approaches in pediatric obesity, career stages of physicians, obesity's correlation with noncommunicable diseases, and nutritional competence, were studied. Results: Nine studies were included. From a collective pool of 2430 participants across the discussed studies, challenges in obesity management were consistent. Despite having an understanding of obesity, there was a significant knowledge gap in specialized treatments, with many physicians feeling unprepared to manage the condition. Factors such as geographical diversity, physicians' experiences, external influences on pediatric obesity management, and the correlation between obesity and other health conditions were highlighted. The need for effective nutrition care, despite perceived capability, was a notable finding. Conclusion: Saudi Arabia faces a significant challenge in obesity management in primary health care settings, marked by knowledge gaps and the need for continuous training. The analyzed studies emphasize the importance of tailored interventions, robust training modules, and public health campaigns within Saudi Arabia's unique context to combat the obesity epidemic effectively.
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 | 0,006 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 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 ».