Challenges in Planning Long-term Care Menus: That Meet Dietary Recommendations
Notice bibliographique
Résumé
PURPOSE: Long-term care (LTC) homes plan menus based on Eating Well with Canada's Food Guide (CFG) recommendations for older adults. To determine whether recommended CFG servings and nutrients were being provided, we analyzed the menu of a large LTC facility in a metropolitan area and compared our analysis with a similar one conducted in 2000. METHODS: A full week's menu from a large Saskatoon LTC facility was analyzed and compared with CFG and recent Dietary Recommended Intake nutrient recommendations. The menu was analyzed using The Food Processor SQL. The 2011 menu was compared with the similar 2000 menu analysis to permit an evaluation of changes over a decade. RESULTS: The 2011 menu demonstrated a significant improvement in servings of vegetables and fruit (4.6 to 7.2 servings). Servings of grain products had declined from 4.9 to 3.6 and servings of milk and alternatives had declined from 2.4 to 1.2 since 2000. Servings of meat and alternatives, total carbohydrate, and protein were not significantly different. Foods on the 2011 menu were lower in fat and higher in dietary fibre and offered more vitamins and minerals. CONCLUSIONS: Greater attention to the planning of LTC menus may explain improvements in the 2011 LTC menu. The current menu, however, needs to overcome the challenges that prevent it from meeting CFG recommendations for older adults.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».