Food allergy knowledge, attitudes, and resources of restaurant employees
Notice bibliographique
Résumé
Purpose Restaurants are unique and challenging environments for accommodating food allergies. The purpose of this paper is to evaluate food allergy knowledge, attitudes and resources among restaurant employees, and identify differences based on restaurant mode of operation. Design/methodology/approach A total of 209 food-service workers were surveyed in full-service restaurants across Southern Ontario, Canada. A paper-based questionnaire was used to evaluate participants’ food allergy knowledge, attitudes toward handling food allergy requests and emergencies, and the availability of food allergen resources at the restaurant. Findings Most participants were knowledgeable about food allergies, and valued being able to provide safe meals. However, there was a general lack of access to important food allergy risk management resources and training. Food allergy attitudes were significantly different between restaurant modes of operation. Also, food allergy training and resources were positively correlated with employee attitudes toward food allergies. Practical implications The results of this study show that engaging employees in food allergy training can contribute to greater levels in employee awareness and confidence in protecting health and safety of restaurant patrons with food allergies. Restaurants that demonstrate a strong preparedness toward handling food allergy requests can deliver a better customer experience and increase customer loyalty. Originality/value The findings of this study underscore the need for the restaurant industry, policy makers and food safety educators to work together to develop training programs and relevant resources to support and facilitate food allergy risk management in restaurants.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».