Exploring weight bias internalization in pregnancy
Notice bibliographique
Résumé
Background: Recent research has shown that pregnant individuals experience weight stigma throughout gestation, including negative comments and judgement associated with gestational weight gain (GWG). Weight bias internalization (WBI) is often a result of exposure to weight stigma and is detrimental to biopsychological health outcomes. The purpose of this study was to explore WBI in pregnancy and compare scores based on maternal weight-related factors including pre-pregnancy body mass index (BMI), obesity diagnosis and excessive GWG. Methods: Pregnant individuals in Canada and USA completed a modified version of the Adult Weight Bias Internalization Scale. Self-reported pre-pregnancy height and weight were collected to calculate and classify pre-pregnancy BMI. Current weight was also reported to calculate GWG, which was then classified as excessive or not based on Institute of Medicine (2009) guidelines. Participants indicated if they were diagnosed with obesity by a healthcare provider. Inferential analyses were performed comparing WBI scores according to pre-pregnancy BMI, excessive GWG, and obesity diagnosis. Significance was accepted as p < 0.05 and effect sizes accompanied all analyses. Result: 336 pregnant individuals completed the survey, with an average WBI score of 3.9 ± 1.2. WBI was higher among those who had a pre-pregnancy BMI of obese than normal weight (p = 0.04, η2 = 0.03), diagnosed with obesity than not diagnosed (p < 0.001, Cohen’s d = 1.3), and gained excessively versus not (p < 0.001, Cohen’s d = 1.2). Conclusions: Pregnant individuals who have a higher BMI, obesity and gain excessively may experience WBI. Given that weight stigma frequently occurs in pregnancy, effective person-oriented strategies are needed to mitigate stigma and prevent and care for WBI.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,082 | 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 ».