Food Insecurity Screening Among Families of Children With Diabetes
Notice bibliographique
Résumé
Little is known about screening in clinical settings for food insecurity (FI) among households of children with diabetes. This study evaluated the acceptability and feasibility of an FI screening initiative in a pediatric diabetes clinic that was implemented to help diabetes dietitian educators tailor management plans for families of children with type 1 or type 2 diabetes facing FI. The initiative comprised three validated screening questions, a care algorithm, a community resource handout, and a poster. In total, 50 families of children and adolescents aged 0-18 years with type 1 or type 2 diabetes were screened for FI. In-person semi-structured interviews combining open-ended and Likert-scale questions were conducted with 37 of the screened families and the three diabetes dietitian educators who conducted the screening. Perceived barriers and facilitators of the screening initiative were identified using content analysis, and Likert-scale questionnaires rated interviewees' comfort level with the screening questions. A reflective journal kept by an onsite research interviewer also facilitated the data interpretation process. Most families felt comfortable answering the screening questions. Families with FI appreciated the opportunity to express their concerns and learn about affordable food resources. However, ∼20% of these families described stigma and fear of judgment by clinicians if they screened positive for FI. Diabetes educators also felt comfortable with the screening questions but reported lack of time to screen all families and to follow-up with resources after a positive screen. A self-reported intake form was recommended to ensure that everyone is systematically screened. A standardized and respectful method of assessing FI could help clinicians better tailor treatment plans and support for families of children with diabetes who face FI. Based on these findings, similar FI screening initiatives should be implemented in other clinical settings as part of routine clinical practice.
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 | 0,003 | 0,013 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».