Search

IntroductionLa stigmatisation sociale liée au poids est corrélée à des résultats négatifs pour la santé. Les systèmes de soins de santé ne sont pas exempts de stigmatisation liée au poids, que ce soit des stéréotypes, des préjugés ou de la discrimination. Cette étude vise à examiner l’association entre la catégorie d’indice de masse corporelle (IMC) et le fait de subir ou non une discrimination dans un contexte de soins de santé. MéthodesNous avons utilisé les données de l’Enquête sur la santé dans les collectivités canadiennes de 2013, qui intègre pour la première fois à l’échelle nationale des mesures de la discrimination. Une analyse de régression logistique a été utilisée pour évaluer le risque de discrimination autodéclarée en matière de soins de santé chez les adultes (18 ans et plus) en fonction de différentes catégories de poids : non obèse (IMC inférieur à 30 kg/m²), obèse de classe I (IMC entre 30 et moins de 35 kg/m²) et obèse de classe II ou III (IMC de 35 kg/m² ou plus). RésultatsUn adulte sur 15 (6,4 %; intervalle de confiance [IC] à 95 % : 5,7 à 7,0 %) a déclaré avoir subi de la discrimination dans un établissement de soins de santé (cabinet de médecin, clinique, hôpital ou autre établissement). Par rapport aux personnes non obèses, le risque de discrimination dans des soins de santé était un peu plus élevé chez les personnes obèses de classe I (rapport de cotes [RC] = 1,20; IC à 95 % : 1,00 à 1,44) et significativement plus élevé parmi celles de classe II ou III (RC = 1,52; IC à 95 % : 1,21 à 1,91), après ajustement pour le sexe, l’âge et diverses caractéristiques socioéconomiques. ConclusionLes expériences quantifiées de discrimination liée au poids soulignent la nécessité de changer les attitudes et les pratiques des praticiens, ainsi que les politiques et les procédures des systèmes de soins de santé. Il est nécessaire d’approfondir la recherche sur les répercussions sociales et économiques de la stigmatisation liée au poids afin de guider des investissements ciblés visant à réduire la discrimination dans les systèmes de soins de santé, qui constituent des microcosmes de la société qu’ils reflètent.

IntroductionWeight-related social stigma is associated with adverse health outcomes. Health care systems are not exempt of weight stigma, which includes stereotyping, prejudice and discrimination. The objective of this study was to examine the association between body mass index (BMI) class and experiencing discrimination in health care. MethodsWe used data from the 2013 Canadian Community Health Survey, which included measurements of discrimination never collected previously on a national scale. Logistic regression analysis was used to assess the risk of self-reported discrimination in health care in adults (≥18 years) across weight categories: not obese (BMI $lt; 30 kg/m2), obese class I (BMI = 30–$lt; 35 kg/m2) and obese class II or III (BMI ≥ 35 kg/m2). ResultsOne in 15 (6.4%; 95% CI: 5.7–7.0%) of the adult population reported discrimination in a health care setting (e.g. physician’s office, clinic or hospital). Compared with those in the not obese group, the risk of discrimination in health care was somewhat higher among those in the class I obesity category (odds ratio [OR] = 1.20; 95% CI: 1.00–1.44) and significantly higher among those in class II/III (OR = 1.52; 95% CI: 1.21–1.91), after controlling for sex, age and other socioeconomic characteristics. ConclusionQuantified experiences of weight-related discrimination underscore the need to change practitioner attitudes and practices as well as the policies and procedures of the health care system. More research is needed on the social and economic impacts of weight stigma to inform focused investments for reducing discrimination in the health care system as a microcosm of the society it reflects.

This article discusses methods for selecting criteria used for stopping iterative regularization methods applied to solving continuation of gravity observed at or outside the Earth's surface down to the geoid. This computational step is required for determination of the gravimetric geoid by the Stokes approach. For surface gravity data measured with spatial resolutions at the kilometer level and higher, their downward continuation becomes ill posed and its solution numerically unstable. Two iterative methods often used for solving this problem, namely the Landweber and conjugate gradient least-squares (CGLS) methods, are investigated using a sample of surface gravity data synthesized from a global gravitational model over a mountainous test area in Colorado, USA. Five different commonly used stopping criteria are applied to both iterative methods and neither of them, except L-curve, succeed to stop the iterative process at the reasonable solution. A simple approach is proposed to stop the iterative methods exploiting stochastic properties of surface gravity data. Results of numerical tests suggest that a rather simple stopping criterion based on stochastics parameters of surface gravity data estimated using a leave-one-out cross-validation procedure yields results superior to those based on the L-curve approach which is best performing among the five standard methods for selecting the stopping criterion. Results based on the Landweber method outperform those based on the CGLS method. Iterative methods based on optimum numbers of iterations represent an alternative to commonly used regularization techniques for solving ill-posed inverse problems, such as Tikhonov, that require optimal estimates of regularization parameters. L'article examine les approches de sélection de critères utilisés pour arrêter les méthodes de régularisation itératives appliquées à la résolution du prolongement jusqu'au géoïde de la gravité observée à la surface de la Terre ou en dehors de celle-ci. Cette étape computationnelle est nécessaire pour la détermination du géoïde gravimétrique par l'approche de Stokes. Pour les données de gravité de surface mesurées à des résolutions spatiales kilométriques ou supérieures, leur prolongement vers le bas devient mal posé et sa solution, numériquement instable. Deux méthodes itératives souvent utilisées pour résoudre ce problème, les méthodes de Landweber et des moindres carrées du gradient conjugué (MCGC), sont examinées en utilisant un échantillon de données de gravité de surface synthétisées à partir d'un modèle gravitationnel planétaire sur une région montagneuse expérimentale au Colorado (États-Unis). Cinq critères d'arrêt couramment utilisés sont appliqués aux deux méthodes itératives et aucun d'entre eux, sauf la << L-curve >>, n'arrive à arrêter le processus itératif sur une solution raisonnable. Une approche simple est proposée pour arrêter les méthodes itératives, qui exploite les propriétés stochastiques des données de gravité de surface. Les résultats d'essais numériques portent à croire qu'un critère d'arrêt assez simple reposant sur des paramètres stochastiques des données de gravité de surface estimés en utilisant une procédure de validation croisée de type << leave-one-out >> donne de meilleurs résultats que les critères basés sur l'approche L-curve, la méthode qui, des cinq méthodes standards, performe le mieux pour lasélection de critères d'arrêt. Les résultats basés sur la méthodede Landweber sont meilleurs que ceux basés sur la méthode MCGC. Les méthodes itératives reposant sur des nombres optimaux d'itérations représentent une solutionderechange aux techniquesde régularisation couramment employées pour résoudre des problèmes inverses mal posés, comme celle de Tikhonov, qui requièrent des estimations optimales des paramètres de régularisation. [Traduit par la Rédaction], 1. Introduction Stokes's solution of the gravimetric geoid from surface gravity data requires gravity anomalies to be known on the geoid. Thus, surface gravity values observed at the topography must [...]

This study exploits administrative data for neuroepidemiological research and examines associations between neighbourhood environments and risk of hospitalization among multiple sclerosis (MS) patients in New Brunswick, Canada. We created a provincial database of MS patients by linking administrative health records with geographic-based characteristics of local communities. Using Cox models, we found the risk of admission for cardiometabolic complications was lower among residents of ethnically homogeneous neighbourhoods (hazards ratio [HR]: 0.75 [95% confidence interval (CI): 0.60–0.95]); that for mental health disorders was higher in socioeconomically deprived (HR: 1.80 [95% CI: 1.06–3.05]) and residentially unstable (HR: 1.61 [95% CI: 1.05–2.46]) neighbourhoods. Results suggest that selected neighbourhood environments may be associated with differential hospital burden among MS patients. [ABSTRACT FROM AUTHOR]

Introduction: Weight-related social stigma is associated with adverse health outcomes. Health care systems are not exempt of weight stigma, which includes stereotyping, prejudice and discrimination. The objective of this study was to examine the association between body mass index (BMI) class and experiencing discrimination in health care. Methods: We used data from the 2013 Canadian Community Health Survey, which included measurements of discrimination never collected previously on a national scale. Logistic regression analysis was used to assess the risk of self-reported discrimination in health care in adults (≥18 years) across weight categories: not obese (BMI < 30 kg/m²), obese class I (BMI = 30-<35 kg/m²) and obese class II or III (BMI ≥ 35 kg/m²). Results: One in 15 (6.4%; 95% CI: 5.7-7.0%) of the adult population reported discrimination in a health care setting (e.g. physician's office, clinic or hospital). Compared with those in the not obese group, the risk of discrimination in health care was somewhat higher among those in the class I obesity category (odds ratio [OR] = 1.20; 95% CI: 1.00-1.44) and significantly higher among those in class II/III (OR = 1.52; 95% CI: 1.21-1.91), after controlling for sex, age and other socioeconomic characteristics. Conclusion: Quantified experiences of weight-related discrimination underscore the need to change practitioner attitudes and practices as well as the policies and procedures of the health care system. More research is needed on the social and economic impacts of weight stigma to inform focused investments for reducing discrimination in the health care system as a microcosm of the society it reflects. [ABSTRACT FROM AUTHOR]