WA health practitioners and cooking: How well do they mix?
Notice bibliographique
Résumé
Abstract Aim: The aim of the present study was to assess the views and experiences of WA practitioners on the use of cooking as a public health nutrition intervention. Methods: A 39‐point online questionnaire was constructed using Survey Monkey. The questionnaire was distributed via email distribution lists targeting practitioners working in public health nutrition. Questions were focused around four objectives relating to: the value of cooking skills in public health, practitioner cooking skills and training, practitioner views on cooking as a health intervention and practitioner experiences in conducting cooking demonstrations. Results: A total of 84 practitioners completed the questionnaire, of which over half (58%) were employed in dietetic specific positions at the time of the survey. There was overwhelming agreement that cooking skills are an important factor in the prevention of nutrition‐related disease, and that cooking skill interventions have the potential to change dietary intakes. However, only one quarter of practitioners indicated that cooking skill interventions were a significant part of their current role. Over half (58%) of the practitioners surveyed had either conducted or assisted in a cooking demonstration or cooking class in the last 12 months. Conclusions: WA practitioners place a high value on the use of cooking as a public health nutrition intervention. Practitioners felt they have good knowledge and skills in cooking but indicated the need to know more about conducting cooking skill interventions. The findings suggest the need to improve outcome evaluation as a component of cooking skill interventions to assess long‐term behaviour change.
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 | 0,001 | 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 | 0,002 | 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) | 0,001 | 0,001 |
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 ».