Who drives weight stigma? A multinational exploration of clustering characteristics behind weight bias against preconception, pregnant, and postpartum women
Notice bibliographique
Résumé
BACKGROUND: Weight bias is a global health challenge and community members are endorsed as the most common source of weight bias. The nature of weight biases specifically against preconception, pregnant, and postpartum (PPP) women from the perspective of community members is not known, especially in terms of cross-cultural trends. We investigated the magnitude of explicit and implicit weight bias and profiles of characteristics associated with harbouring weight bias. METHODS: We conducted a multinational investigation of clusters of factors associated with weight bias against PPP women (May-July 2023). Community members from Australia, Canada, United States (US), United Kingdom (UK), Malaysia, and India completed a cross-sectional survey measuring explicit and implicit weight biases, beliefs about weight controllability, and awareness of sociocultural body ideals. Hierarchical multiple regression and latent profile analyses identified clusters of factors associated with weight bias. RESULTS: Participants from India reported the lowest explicit weight bias (B = -0.45, p = 0.02). Participants from Australia (B = -0.14, p = 0.04) and the UK (B = -0.16, p = 0.02) (vs. US) reported the lowest implicit weight bias. Three distinct profiles were identified clustering on body mass index (BMI) and weight-controllability beliefs: low-BMI/moderate-beliefs, high-BMI/more biased beliefs, and high-BMI/less biased beliefs. Profile membership varied by country of residence and weight bias outcomes with low-BMI/moderate-beliefs profiles containing more people from non-Western countries and with low explicit weight bias. CONCLUSIONS: Explicit and implicit weight bias was harboured by participants across all included nations, although less pronounced in non-Western countries. Our profiles highlight that individuals who held a stronger belief that weight is controllable, regardless of their body weight, should be targeted for interventions to eliminate weight stigma.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».