Defining Research Priorities for Nutrition and Mental Health: Insights from Dietetics Practice
Notice bibliographique
Résumé
In 2014, a national initiative aimed at defining a research agenda for nutrition and mental health among diverse stakeholders was completed and included insights from more than 300 registered dietitians. This study explores the data from dietitians based on their years of practice, mental health experiences, and community of practice in relationship to identified mental health and nutrition research priorities. Analysis of numerical data (n = 299) and content analysis of open-ended responses (n = 269) revealed that respondents desired research for specific mental health conditions (MHCs), emotional eating, food addiction, populations with special needs, and people encountering major life transitions (e.g., recovery from abuse, refugees). Findings from the quantitative and textual data suggested that dietitians want research aimed at addressing the concerns of those in the community, fostering consumer nutrition knowledge and skill acquisition, and developing services that will impact quality of life. Subgroup analysis indicated that dietitians: (i) in early years of practice want information about specific MHCs; (ii) living in smaller towns and rural areas want data about the cost benefits of dietetics practice in mental health; and (iii) who also had additional stakeholder roles (e.g., service provider) selected priorities that address gaps in mental health services. This study highlights opportunities to tailor nutrition and mental health research that advance dietetics 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 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 | 0,037 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,017 | 0,016 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».