Gestational Weight Monitoring in Rural and Regional Populations: Women's Knowledge, Experience and Recommendations for Models of Care
Notice bibliographique
Résumé
OBJECTIVE: To explore women's knowledge and experience of weight monitoring during pregnancy to inform the development of a model of care that meets demonstrated needs. SETTING: A rural and regional health service in southern Queensland. PARTICIPANTS: Women (n = 160) who used antenatal care in the health service from June 2018 to October 2022. DESIGN: An exploratory online survey was sent via short messaging service to women, including quantitative and qualitative questions with free-text options for additional comments. The data were analysed using descriptive statistics. RESULTS: One in five women could correctly identify the recommended gestational weight gain based on their pre-pregnancy body mass index. Half the women reported knowing weight gain recommendations was useful. A quarter of women had a negative experience with health professionals discussing their weight. One-fifth of women saw a dietitian, and an additional 9% would have liked to use the service, with 14% not knowing it was available. CONCLUSION: Women would like to know more about achieving healthy weight gain and receive support to do so. Women report experiencing stigma when discussing pregnancy weight. Whilst the findings are similar to urban women's experience, rural women's ability to access care in the context of a rural setting presents a unique set of barriers. Further investigation is required to gather health professionals' experience in conjunction with the latest evidence to inform improvements to service delivery.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».