Hydration education: developing, piloting and evaluating a hydration education package for general practitioners
Notice bibliographique
Résumé
OBJECTIVES: To (1) assess the hydration knowledge, attitudes and practices (KAP) of doctors; (2) develop an evidence-based training package; and (3) evaluate the impact of the training package. DESIGN: Educational intervention with impact evaluation. SETTING: Cambridgeshire, UK. PARTICIPANTS: General practitioners (GPs (primary care physicians)). INTERVENTIONS: Hydration and healthcare training. MAIN OUTCOME MEASURES: Hydration KAP score before and immediately after the training session. RESULTS: Knowledge gaps of doctors identified before the teaching were the definition of dehydration, European Food Safety Authority water intake recommendations, water content of the human body and proportion of water from food and drink. A face-to-face teaching package was developed on findings from the KAP survey and literature search. 54 questionnaires were completed before and immediately after two training sessions with GPs. Following the training, total hydration KAP scores increased significantly (p<0.001; median (25th, 75th centiles); 32 (29, 34)). Attendees rated the session as excellent or good (90%) and reported the training was likely to influence their professional practice (100%). CONCLUSIONS: The training package will continue to be developed and adapted, with increased focus on follow-up strategies as well as integration into medical curricula and standards of practice. However, further research is required in the area of hydration care to allow policymakers to incorporate hydration awareness and care with greater precision in local and national policies.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».