How Much do Gastroenterology Fellows Know About Nutrition?
Notice bibliographique
Résumé
BACKGROUND: Many people are afflicted with chronic diseases, in which nutrition plays a key role. The need for greater nutrition training among physicians, particularly gastroenterologists, is becoming increasingly evident. OBJECTIVES: To determine the nutritional knowledge and perceived nutrition knowledge of gastroenterology fellows. METHODS: Thirty-two gastrointestinal (GI) fellows currently enrolled in a GI fellowship program completed a needs assessment evaluating perceived nutrition knowledge and interest in the areas of nutrition support, assessment, obesity, micro/macronutrients, and nutrition in GI diseases. Additionally, an examination evaluating nutrition knowledge specific to gastroenterology fellows was administered. RESULTS: Thirty-two GI fellows completed the needs assessment. Cronbach alpha of the needs assessment instrument was 0.72, indicating satisfactory internal consistency reliability. GI fellows perceived themselves to have the least knowledge in obesity and micro/macronutrients. They indicated a perceived greater knowledge base in nutrition assessment. The mean total test score was 50.04% (SD=7.84%). Fellows had the highest score in the subscale of nutrition assessment (80.64%; SD=19.05%), which was significantly higher than scores obtained in nutrition support (49.45%; SD=11.98%; P<0.05), micro/macronutrients (37.84%; SD=16.94%; P<0.05), obesity (40.11%; SD=20.00%; P<0.05), and nutrition in GI diseases (65.05%; SD=22.09%; P<0.05). A backward linear regression including hours of nutrition education received during GI fellowship, hours of nutrition education received during medical school, and year of GI fellowship accounted for 22.7% of the variance in test performance (multiple R=0.477). CONCLUSIONS: Gastroenterology fellows think their knowledge of nutrition is suboptimal; objective evaluation of nutrition knowledge in this cohort confirmed this belief. A formal component of nutrition education could be developed in the context of GI fellowship education and continuing medical education as necessary.
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 | 0,002 | 0,017 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».