Providing quality nutrition care in acute care hospitals: perspectives of nutrition care personnel
Notice bibliographique
Résumé
BACKGROUND: Malnutrition is common in acute care hospitals worldwide and nutritional status can deteriorate during hospitalisation. The aim of the present qualitative study was to identify enablers and challenges and, specifically, the activities, processes and resources, from the perspective of nutrition care personnel, required to provide quality nutrition care. METHODS: Eight hospitals participating in the Nutrition Care in Canadian Hospitals study provided focus group data (n = 8 focus groups; 91 participants; dietitians, dietetic interns, diet technicians and menu clerks), which were analysed thematically. RESULTS: Five themes emerged from the data: (i) developing a nutrition culture, where nutrition practice is considered important to recovery of patients and teams work together to achieve nutrition goals; (ii) using effective tools, such as screening, evidence-based protocols, quality, timely and accurate patient information, and appropriate and quality food; (iii) creating effective systems to support delivery of care, such as communications, food production and delivery; (iv) being responsive to care needs, via flexible food systems, appropriate menus and meal supplements, up to date clinical care and including patient and family in the care processes; and (v) uniting the right person with the right task, by delineating roles, training staff, providing sufficient time to undertake these important tasks and holding staff accountable for their care. CONCLUSIONS: The findings of the present study are consistent with other work and provide guidance towards improving the nutrition culture in hospitals. Further empirical work on how to support successful implementation of nutrition care processes is needed.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».