Nutrigenomics – perspectives from registered dietitians: a report from the Quebec‐wide e‐consultation on nutrigenomics among registered dietitians
Notice bibliographique
Résumé
BACKGROUND: Not all healthcare professionals are familiar with nutrigenomics. However, they recognise that nutrigenomics has great potential for the development of preventive health approaches. The present study aimed to provide an overall picture of the current situation about nutrigenomics in the practice of registered dietitians (RDs) from the province of Quebec (Canada). METHODS: Three hundred and seventy-three RDs members of the Ordre professionnel des diététistes du Québec completed an online survey that included 34 questions, most of which were closed-ended questions. RESULTS: Overall, 76.9% of RDs knew about nutrigenomics. Among RDs with <5 years of experience, 49.2% knew about genetic testing related to nutrition compared to 11.7% for RDs with over 25 years of experience. Currently, 75.9% of RDs working in clinical nutrition in the public sector consider that they do not have the basic knowledge to integrate nutrigenomics in their practice compared to 62.9% for RDs in private practice. When asked about main limitations of genetic testing related to nutrition, RDs considered that genetic testing does not consider the other determinants of health, that genetic testing and their results have poor accuracy, and that there is a lack of scientific evidence. Concerns remained about ethical and legal aspects and its difficult application as a result of poor understanding and/or interpretation by professionals and/or customers. The high costs of these tests were also noted as a limitation. CONCLUSIONS: Registered dietitians know and are interested in nutrigenomics, especially those with less experience, although they do not feel adequately qualified to integrate findings from nutrigenomics into their practice.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 ».