Prevalence and Characteristics Associated with Modified Texture Food Use in Long Term Care: An Analysis of Making the Most of Mealtimes (M3) Project
Notice bibliographique
Résumé
Purpose: To describe the prevalence and characteristics of modified-texture food (MTF) consumers when applying standard diet terminology. Methods: Making the Most of Mealtimes (M3) is a cross-sectional multi-site study including 32 long-term care (LTC) homes located in 4 Canadian provinces. Resident characteristics were collected from health records using a defined protocol and extraction form. Since homes used 67 different terms to describe MTFs, diets were recategorized using the International Dysphagia Diet Standardization Initiative Framework as a basis for classification. Results: MTFs were prescribed to 47% (n = 298) of participants (n = 639) and prevalence significantly differed among provinces (P < 0.0001). Various resident characteristics were significantly associated with use of MTFs: dysphagia and malnutrition risk, dementia diagnosis, prescription of oral nutritional supplements; lower body weight and calf circumference; greater need for physical assistance with eating; poor oral health status; and dependence in all activities of daily living. Conclusions: This is the first study that used a diverse sample of LTC residents to determine prevalence of MTF use and described consumers. The prevalence of prescribed MTFs was high and diverse across provinces in Canada. Residents prescribed MTFs were more vulnerable than residents on regular texture diets. These findings add value to our understanding of MTF consumers.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».