Nurses' and Nursing Students' Perceptions Toward People Living with Obesity: A Scoping Review Protocol
Notice bibliographique
Résumé
Introduction: There is significant and pervasive weight bias, weight stigma, and weight-based discrimination everywhere today, even in healthcare settings. Studies have shown that health care professionals (HCPs) hold negative perceptions toward people living with obesity (PLO), which results in heightened health risks for patients. Nurses play a central role in health promotion and the health management of PLO. Thus, identifying nurses' and nursing students' perceptions toward PLO within healthcare practice or educational contexts is paramount to consider further exploratory and intervention studies. Objective: We aim to review and map nurses' and nursing students' perceptions toward PLO from available literature. Method: A search of MEDLINE via PubMed, CINAHL Plus with Full Text (EBSCOhost), and PsycINFO (OVID) will be conducted to identify relevant studies in English, French, Spanish, Portuguese, or Italian on nurses' and nursing students' weight bias. The period covered will be from January 1, 2005, onward, including those available up until our scheduled search in January 2024. Two independent reviewers will conduct screening, study selection, and data extraction. Data will be charted according to the study design, the research setting, years and regions of publication, concepts, and use of theoretical models. The results will be summarized and reported, identifying implications for nursing research and practice. Discussion and Research Spin-offs: This scoping review will inform nursing research and facilitate the development of educational and clinical tools aimed at preventing and reducing weight bias among nurses to promote nursing and interdisciplinary care that upholds principles of equity, diversity, and inclusion.
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 | 0,014 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».