MétaCan
Menu
Retour à la cohorte
Enregistrement W2075952427 · doi:10.3148/71.3.2010.128

Determining Knowledge and Behaviour Change: After Nutrition Screening Among Older Adults

2010· article· en· W2075952427 sur OpenAlexafffundvenue
Katherine M. Southgate, Heather Keller, Holly Reimer

Notice bibliographique

RevueCanadian Journal of Dietetic Practice and Research · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensUniversity of Guelph
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineTest (biology)Psychological interventionNutrition EducationIntervention (counseling)GerontologyBehavior changeRandomized controlled trialPhysical therapyFamily medicineNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

Two education interventions involving personalized messages after nutrition screening in older adults were compared to determine changes in nutrition knowledge and risk behaviour. Of 150 older adults randomly selected from a local seniors' centre, 61 completed baseline screening and a demographic and nutrition knowledge questionnaire and were randomized to one of two groups. Group A received personalized letters plus an educational booklet, and Group B received personalized letters only. All materials were sent through the mail. Forty-four participants completed post-test questionnaires to determine change in knowledge and risk behaviour. Both groups had reduced nutrition risk scores and increased knowledge scores at post-test. After the intervention, a significant difference was observed in knowledge change by treatment group. Group A participants experienced greater gains in knowledge, with a mean gain of 5.43 points, than did those in Group B, who had a mean gain of 1.36 points (p=0.018). Screening and education with print materials have the potential to change risk behaviour and nutrition knowledge in older adults. A specially designed booklet on older adults' nutrition risk factors plus a personalized letter provide an effective education strategy for older adults after screening.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,092
Tête enseignante GPT0,433
Écart entre enseignants0,341 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Dietetic Practice and ResearchMême sujetNutrition and Health in AgingTravaux en français237 207