Evaluation of Food Quality: In Geriatric Institutions
Notice bibliographique
Résumé
PURPOSE: The aim was to develop a strategy for evaluating food sensory quality in an institutional setting, the Parameter Specific Sensory Quality (PSSQ) approach, and to compare the inter-evaluator judgement concordance (IEC) using the PSSQ tool versus a traditional tool (TT). METHODS: Inter-evaluator judgement concordance was assessed before and after participants underwent 12 (Study 1) or eight hours of training (Study 2). In Study 1, the IEC was determined before training using the traditional tool only (29 food items) and after training using both the traditional tool and the PSSQ (28 food items). In Study 2, the IEC was determined before and after training using the PSSQ (19 food items). Intraclass correlation coefficients (ICCs) were used to measure the IEC, and data were compared using Fisher's transformation. RESULTS: Study 1 highlighted the poor IEC for the traditional tool in general (ICC(pre)=0.41 vs. ICC(post)=0.43; p>0.1), especially in comparison with that for the PSSQ (ICC(PSSQ)=0.88 vs. ICC(TT)=0.43; p<0.01). Study 2 corroborated the excellent performance of the PSSQ, even when participants had as few as eight hours of training (ICC(post)=0.93). CONCLUSIONS: The inter-evaluator judgement concordance in the evaluation of food sensory quality is fundamental to the generation of valid and useful information. Study results suggest that the food sensory IEC could be improved in hospital settings through the use of a parameter-specific approach, and that this improvement could help ensure the provision of foods of consistent quality.
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 | 0,015 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».