MétaCan
Menu
Retour à la cohorte
Enregistrement W2739015316 · doi:10.1111/1747-0080.12368

What does it cost to feed aged care residents in Australia?

2017· article· en· W2739015316 sur OpenAlexaboutno aff
Cherie Hugo, Elisabeth Isenring, David Sinclair

Notice bibliographique

RevueNutrition & Dietetics · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStaffingAged careBusinessOlder peopleMedicineEnvironmental healthGerontologyNursing

Résumé

récupéré en direct d'OpenAlex

AIM: Funding cuts to the aged care industry impact catering budgets and aged care staffing levels, which may in turn affect the nutritional status of aged care residents. This paper reports average food expenditure and trends in Australian residential aged care facilities (RACFs). METHODS: This is a retrospective study collecting RACFs' economic outlay data through a quarterly online survey conducted over the 2015 and 2016 financial years. RESULTS: Data were compiled from 817 RACFs, representing 64 256 residential beds and 23 million bed-days Australia-wide. The average total spend in Australian Dollars (AUD) on catering consumables (including cutlery/crockery, supplements, paper goods) was $8.00 per resident per day (prpd) and $6.08 prpd when looking at the raw food and ingredients budget alone. Additional data from over half the RACFs (n = 456, 56%) indicate a 5% decrease in food cost ($0.31 prpd) in the last year, particularly in fresh produce, with a simultaneous 128% ($0.50 prpd) increase in cost for supplements and food replacements. Current figures are comparatively less than aged care food budgets internationally (US, UK and Canada), less than community-dwelling older adults ($17.25 prpd) and 136% less than Australian corrective services ($8.25 prpd). CONCLUSIONS: The current spend on food in RACFs has decreased compared with previous years, reflecting an increasing reliance on supplements, and is significantly less than current community food spend.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,145
Score d'incertitude au seuil0,288

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,100
Tête enseignante GPT0,451
Écart entre enseignants0,352 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations26
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrition & DieteticsMême sujetGeriatric Care and Nursing HomesTravaux en français237 207