L'insatisfaction corporelle selon une approche de santé globale
Bibliographic record
Abstract
L'insatisfaction corporelle est une problématique complexe qui influence grandement la qualité de vie de nombreux individus. L'approche de santé globale Health At Every Size (HAES) encourage la diversité dans les tailles corporelles et mise sur l'acceptation de soi. Les interventions issues du HAES font la promotion de la santé globale en ciblant des variables alimentaires et psychologiques. Au Québec, le programme « Choisir de Maigrir ? » (CdM ?) s'adresse à des femmes préoccupées par leur poids et leur apparence corporelle et met l'accent sur un corps en santé et une vie équilibrée. Le présent mémoire doctoral a pour objectif d'approfondir les connaissances scientifiques sur l'insatisfaction corporelle suite à une intervention basée sur l'approche HAES. Les résultats démontrent une amélioration significative de l'insatisfaction corporelle des 216 participantes suite au programme de même qu'un maintien des améliorations un an suivant la fin du programme. Chez les 110 femmes du groupe contrôle, une amélioration significative de l'insatisfaction corporelle est aussi notée entre le début du programme et un an suivant sa fin. Les résultats indiquent aussi que les femmes qui améliorent le plus leur insatisfaction corporelle sont celles qui démontrent une plus grande diminution de la restriction alimentaire, des symptômes dépressifs et de l'indice de masse corporelle, ainsi qu'une augmentation de l'alimentation intuitive. Puisque plusieurs de ces variables sont directement ciblées par l'intervention CdM?, les femmes qui améliorent le plus leur image corporelle pourraient aussi être celles qui bénéficient le plus du programme. La recherche sur l'insatisfaction corporelle doit être poursuivie notamment pour mieux comprendre les mécanismes sous-jacents au maintien de l'amélioration de l'insatisfaction corporelle à plus long terme.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 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) | 0.006 | 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".