Attitudes négatives face à l’obésité au sein d’un échantillon québécois
Bibliographic record
Abstract
La stigmatisation basée sur le poids est un enjeu sociétal important, puisqu’elle engendre une exclusion sociale marquée pouvant générer du stress et nuire à la santé physique et mentale des personnes qui en sont la cible, en plus de contribuer à maintenir l’obésité. La présente étude vise à explorer les prédicteurs sociodémographiques et individuels des attitudes négatives face à l’obésité au sein d’un échantillon d’adultes québécois. Un sondage en ligne par questionnaires a été complété par 1615 adultes résidant au Québec. La taille et le poids ont été autorapportés afin de calculer l’indice de masse corporelle (IMC). Des analyses acheminatoires avec estimateurs robustes ont permis d’examiner les prédicteurs de trois attitudes négatives face à l’obésité, soit la dépréciation de l’obésité, la peur de prendre du poids et les croyances quant à la contrôlabilité du poids. Les résultats montrent que les expériences passées de stigmatisation basée sur le poids, l’IMC ainsi que le genre des répondants sont les prédicteurs les plus fortement associés aux attitudes négatives face à l’obésité. La fréquence des expériences passées de stigmatisation est associée à des scores plus élevés d’attitudes négatives face à l’obésité. De plus, il semble que les hommes et les personnes dont le poids est plus bas soient plus critiques envers l’obésité, alors que les femmes craignent davantage de prendre du poids. Ces résultats alimentent les efforts de prévention et d’intervention en matière de stigmatisation à l’égard du poids.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".