Presentation of a weight bias internalization tool for use in pregnancy and a call for future research: A commentary
Notice bibliographique
Résumé
Background: Emerging evidence has shown that weight stigma is a concern during pregnancy, with several studies documenting common sources including healthcare, the media and interpersonal networks. Experiencing weight stigma may lead to weight bias internalization (WBI), whereby individuals accept and self-direct negative weight-related stereotypes, and limited research has assessed this in the context of pregnancy. Pregnancy is unique in terms of weight changes as many individuals will experience gestational weight gain (GWG). Accordingly, a WBI tool that accounts for GWG may be a more population-specific resource to use. Methods: This commentary presents a pregnancy-specific WBI tool that accounts for GWG. The validated Adult WBI scale was modified to include 'pregnancy weight gain'. This commentary also presents a brief summary of research that has assessed WBI in pregnancy and recommendations for future work. Results: Recommended future work includes validation of the pregnancy-specific WBI tool and prospective examinations of weight stigma and WBI in pregnancy and implications on maternal and newborn outcomes. Conclusion: Ultimately this research may inform development of interventions and resources to mitigate weight stigma and WBI in pregnancy and overall may contribute to improving prenatal outcomes and experiences.
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 | 0,072 | 0,330 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,015 |
| Communication savante | 0,010 | 0,013 |
| Science ouverte | 0,008 | 0,008 |
| Intégrité de la recherche | 0,042 | 0,042 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 ».