Quality Nutrition Care: Measuring Hospital Staff’s Knowledge, Attitudes, and Practices
Notice bibliographique
Résumé
Understanding the knowledge, attitudes, and practices (KAP) of hospital staff is needed to improve care activities that support the detection/prevention/treatment of malnutrition, yet quality measures are lacking. The purpose was to develop (study 1) and assess the administration and discriminative potential (study 2) of using such a KAP measure in acute care. In study 1, a 27-question KAP questionnaire was developed, face validated (n = 5), and tested for reliability (n = 35). Kappa and Intraclass Correlation (ICC) were determined. In study 2, the questionnaire was sent to staff at five diverse hospitals (n = 189). Administration challenges were noted and analyses completed to determine differences across sites, professions, and years of practice. Study 1 results demonstrate that the knowledge/attitude (KA) and the practice (P) subscales are reliable (KA: ICC = 0.69 95% CI 0.45–0.84, F = 5.54, p < 0.0001; P: ICC = 0.84 95% CI 0.68−0.92, F = 11.12, p < 0.0001). Completion rate of individual questions in study 2 was high and suggestions to improve administration were identified. The KAP mean score was 93.6/128 (range 51–124) with higher scores indicating more knowledge, better attitudes and positive practices. Profession and years of practice were associated with KAP scores. The KAP questionnaire is a valid and reliable measure that can be used in needs assessments to inform improvements to nutrition care in hospital.
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 | 0,009 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».