MétaCan
Menu
Retour à la cohorte
Enregistrement W4409404236 · doi:10.1503/cmaj.241456

Managing obesity in children: a clinical practice guideline

2025· article· en· W4409404236 sur OpenAlexafffundvenue
Geoff D.C. Ball, Roah Merdad, Catherine S. Birken, Tamara R. Cohen, Stasia Hadjiyannakis, Jill Hamilton, Mélanie Henderson, John Lammey, Katherine M. Morrison, Sarah A. Moore, Aislin R. Mushquash, Ian Patton, Nicole Pearce, Joshua Ramjist, Tracy Lebel, Brian W. Timmons, Annick Buchholz, Jennifer Cantwell, Jennifer Cooper, Julius Erdstein, Donna Fitzpatrick‐Lewis, Dawn Hatanaka, Patrice Lindsay, Tasneem Sajwani, Meghan Sebastianski, Diana Sherifali, Julie St‐Pierre, Muhammad Usman Ali, Jessica Wijesundera, Angela S. Alberga, Christine Ausman, Trisha C Baluyot, Emily Burke, Kara Dadgostar, Bronwyn Delacruz, Elizabeth Dettmer, Maegan Dymarski, Zahra Esmaeilinezhad, Ilona Hale, Soren Harnois‐Leblanc, Josephine Ho, Nicole D. Gehring, Marsha Kucera, Jacob C. Langer, Amy C. McPherson, Leen Naji, Krista Oei, Grace O’Malley, Angelica M Rigsby, Gita Wahi, Ian Zenlea, Bradley C. Johnston

Notice bibliographique

RevueCanadian Medical Association Journal · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueObesity and Health Practices
Établissements canadiensUniversity of Toronto
Organismes subventionnairesObesity CanadaAlberta Health Services
Mots-clésGuidelineMedicineObesityComputer scienceData scienceFamily medicinePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Obesity is a complex, chronic, stigmatized disease whereby abnormal or excess body fat may impair health or increase the risk of medical complications, and can reduce quality of life and shorten lifespan in children and families. We developed this guideline to provide evidence-based recommendations on options for managing pediatric obesity that support shared decision-making among children living with obesity, their families, and their health care providers. METHODS: We followed the Grading of Recommendations Assessment, Development and Evaluation (GRADE) approach. We used the Guidelines International Network principles to manage competing interests. Caregivers, health care providers, and people living with obesity participated throughout the guideline development process, which optimized relevance. We surveyed end users (caregivers, health care providers) to prioritize health outcomes, completed 3 scoping reviews (2 on minimal important difference estimates; 1 on clinical assessment), performed 1 systematic review to characterize families' values and preferences, and conducted 3 systematic reviews and meta-analyses to examine the benefits and harms of behavioural and psychological, pharmacologic, and surgical interventions for managing obesity in children. Guideline panellists developed recommendations focused on an individualized approach to care by using the GRADE evidence-to-decision framework, incorporating values and preferences of children living with obesity and their caregivers. RECOMMENDATIONS: Our guideline includes 10 recommendations and 9 good practice statements for managing obesity in children. Managing pediatric obesity should be guided by a comprehensive child and family assessment based on our good practice statements. Behavioural and psychological interventions, particularly multicomponent interventions (strong recommendation, very low to moderate certainty), should form the foundation of care, with tailored therapy and support using shared decision-making based on the potential benefits, harms, certainty of evidence, and values and preferences of children and families. Pharmacologic and surgical interventions should be considered (conditional recommendation, low to moderate certainty) as therapeutic options based on availability, feasibility, and acceptability, and guided by shared decision-making between health care providers and families. INTERPRETATION: This guideline will support children, families, and health care providers to have informed discussions about the balance of benefits and harms for available obesity management interventions to support value- and preference-sensitive decision-making.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,027
score de la tête « metaresearch » (Gemma)0,040
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,229
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0270,040
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,006
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,474
Écart entre enseignants0,442 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Medical Association JournalMême sujetObesity and Health PracticesTravaux en français237 207