Food Is Medicine: A Qualitative Analysis of Patient and Institutional Barriers to Successful Surgical Nutrition Practices in an Enhanced Recovery After Surgery Setting
Notice bibliographique
Résumé
BACKGROUND: Close adherence to the Enhanced Recovery After Surgery (ERAS) program is associated with improved outcomes. A nutrition-focused qualitative analysis of patient experience and of ERAS implementation across our province was conducted to better understand the barriers to successful adoption of ERAS nutrition elements. METHODS: Enrolled colorectal patients (n = 27) were asked to describe their surgical experience. Narrative interviews (n = 20) and focus groups (n = 7) were transcribed verbatim and analyzed inductively for food and nutrition themes. Qualitative data sources (n = 198 documents) collected throughout our implementation of ERAS were categorized as institutional barriers that impeded the successful adoption of ERAS nutrition practices. RESULTS: We identified patient barriers related to 3 main themes. The first theme, Mistaken nutrition facts & beliefs, describes how information provision was a key barrier to the successful adoption of nutrition elements. Patients held misconceptions and providers tended to provide them with contradictory nutrition messages, ultimately impeding adequate food intake and adherence to ERAS elements. The second theme, White bread is good for the soul?, represents a mismatch between prescribed medical diets and patient priorities. The third theme, Food is medicine, details patient beliefs that food is healing; the perception that nutritious food and dietary support was lacking produced dissatisfaction among patients. Overall, the most important institutional barrier limiting successful adoption of nutrition practices was the lack of education for patients and providers. CONCLUSION: Applying a patient-centered model of care that focuses on personalizing the ERAS nutrition elements might be a useful strategy to improve patient satisfaction, encourage food intake, correct previously held beliefs, and promote care adherence.
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 | 0,018 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».