<i>Nursing Home Food Services</i>Linked with Risk of Malnutrition
Notice bibliographique
Résumé
PURPOSE: Links between food service characteristics and residents' risk of malnutrition were examined. METHODS: Cognitively intact residents meeting inclusion criteria and living in one of 38 participating nursing homes were randomly sampled. The final sample consisted of 132 residents, who were screened for risk of malnutrition and completed a face-to-face interview questionnaire about dining experiences. Additional data came from participants' medical charts, and each institution's food service manager completed a written questionnaire. Frequencies and logistic regressions were used to describe the sample and to examine relationships between risk of malnutrition and food service characteristics. RESULTS: Overall, 37.4% of participants were at risk of malnutrition. Food service factors, including food packages, lids, and dishes that were difficult to manipulate (b=0.285, p=0.009), bulk food-delivery systems (b=1.329, p=0.036), overall food satisfaction (b=0.253, p=0.044), menu cycle length (b=-2.162, p=0.003), and porcelain dishes (b=-0.345, p=0.052), all were significantly associated with risk of malnutrition. CONCLUSIONS: Our findings clearly show a need for nursing homes to modify certain aspects of food service that may increase the risk of malnutrition among cognitively intact residents.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».