MétaCan
Menu
Retour à la cohorte
Enregistrement W3032622478 · doi:10.3148/cjdpr-2020-012

Caregivers’ Perceptions of Real-Food Containing Tube Feeding: A Canadian Survey

2020· article· en· W3032622478 sur OpenAlexaffvenueabout
Michelle Boston, Heather Wile

Notice bibliographique

RevueCanadian Journal of Dietetic Practice and Research · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueChild Nutrition and Feeding Issues
Établissements canadiensNestlé (Canada)Science North
Organismes subventionnairesnon disponible
Mots-clésConsistency (knowledge bases)PerceptionFeeding tubeMedicineFamily medicinePsychologyMathematicsSurgery

Résumé

récupéré en direct d'OpenAlex

Caregivers of children requiring tube feeding show growing interest in real-food containing formula, including home-blenderized tube feeding (HBTF) and commercial real-food containing formulas (CRFCF). This study aimed to understand caregivers' perceptions of both. Caregivers using real-food containing tube feeding were recruited through the Feeding Tube Awareness Foundation Facebook group. A 13-question online survey asked about use of HBTF and CRFCF, beliefs about their choices, and what resources guided formula use. Forty-one completed the survey, with mean child age of 7 years. Overall, 54% (n = 22) used HBTF formulas, 34% (n = 14) CRFCF, and 12% (n = 5) used both. For 70% (n = 29), presence of whole foods, nutritional completeness, and natural ingredients were most important. Challenges with CRFCF use included lack of variety (n = 10, 53%) and cost (n = 9, 47%). HBTF challenges were difficulty preparing away from home (n = 19, 70%) and need for special blenders (n = 15, 56%). Participants believed CRFCF are convenient (n = 35, 85%) and nutritionally consistent (n = 25, 61%), but do not contain enough real-food ingredients (n = 26, 63%). Facebook or other social media was the most valued resource guiding formula use (n = 25, 61%). Caregivers desire formulas that are nutritionally complete and made of whole foods. CRFCF offers convenience and consistency, yet caregivers prefer more real-food ingredients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,971

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,164
Tête enseignante GPT0,396
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Dietetic Practice and ResearchMême sujetChild Nutrition and Feeding IssuesTravaux en français237 207