Implementation of Healthy Eating Interventions in Center-Based Childcare: The Selection, Application, and Reporting of Theories, Models, and Frameworks
Notice bibliographique
Résumé
PURPOSE: To explore the selection, use, and reporting of theories, models, and frameworks (TMFs) in implementation studies that promoted healthy eating in center-based childcare. DATA SOURCE: We searched 11 databases for articles published between January 1990 and October 2018. We also conducted a hand search of studies and consulted subject matter experts. STUDY INCLUSION AND EXCLUSION CRITERIA: We included studies in center-based settings for preschoolers that addressed the development, delivery, or evaluation of interventions or implementation strategies related to healthy eating and related subjects and that explicitly used TMF. Exclusion criteria include not peer reviewed or abstracts and not in English, French, German, and Korean. DATA EXTRACTION: The first author extracted the data using extraction forms. A second reviewer verified data extraction. DATA SYNTHESIS: Direct content analysis and narrative synthesis. RESULTS: We identified 8222 references. We retained 38 studies. Study designs included quasi-experimental, randomized controlled trials, surveys, case studies, and others. The criteria used most often for selecting TMFs were description of a change process (n = 12; 23%) or process guidance (n = 8; 15%). Theories, models, and frameworks used targeted different socioecological levels and purposes. The application of TMF constructs (e.g., factors, steps, outcomes) was reported 69% (n = 34) of times. CONCLUSION: Reliance on TMFs focused on individual-level, poor TMF selection, and application and reporting for the development of implementation strategies could limit TMF utility.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 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 ».