MétaCan
Menu
Retour à la cohorte
Enregistrement W2491724767 · doi:10.3148/cjdpr-2016-009

Dietitians’ Attitudes and Beliefs Regarding Peer Education in Nutrition

2016· article· en· W2491724767 sur OpenAlexafffundvenueabout
Paula D.N. Dworatzek, Joanne Stier

Notice bibliographique

RevueCanadian Journal of Dietetic Practice and Research · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDietetics, Nutrition, and Education
Établissements canadiensWestern University
Organismes subventionnairesBrescia University College
Mots-clésMedicineFamily medicineNutrition EducationHealthy eatingPositive attitudeNursingPhysical activityGerontologyPhysical therapyPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Peer education (PE) has been used effectively in nutrition; however, research examining dietitians' attitudes regarding PE is lacking. METHODS: An online survey was sent to a random sample of 1198 Dietitians of Canada members to assess attitudes regarding PE by practice area. RESULTS: A representative sample of dietitians by practice area and location was obtained (n = 229; 19%). Their total attitude score (TAS) was 226 ± 26 (mean ± SD) out of 295 (maximum). Community/public health dietitians had significantly higher TASs compared with clinical dietitians (234 ± 23 vs. 221 ± 27, respectively; P = 0.03). Dietitians believed PE to be most useful in community settings (P < 0.001), with cultural groups or adolescents (P < 0.001), and for healthy eating program goals (P < 0.001). The barrier most agreed with was limited financial resources, whereas the highest perceived benefits were social support and experience/employment for participants and peer educators, respectively. Overall, 63% agreed PE is an effective model, and 59% agreed that PE should be used more often in nutrition. CONCLUSIONS: Dietitians have a positive attitude towards PE, with community/public health dietitians having the most positive attitudes. Dietitians believe PE is useful with specific target populations and particular program goals/strategies; however, they could be challenged to consider PE in a greater variety of programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,269
Score d'incertitude au seuil0,900

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,122
Tête enseignante GPT0,503
Écart entre enseignants0,381 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations3
Publié2016
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Dietetic Practice and ResearchMême sujetDietetics, Nutrition, and EducationTravaux en français237 207