The <i>Eating with Ease</i> Program Improved Veterinary Medical Students’ Perceived Ability to Buy, Cook, and Eat Healthy Foods
Notice bibliographique
Résumé
College students are challenged to consume healthy diets, and veterinary medical students may also have difficulty achieving optimal dietary intake, yet improved well-being is associated with following healthy dietary patterns. Individuals with food literacy—the inter-related knowledge, skills, and behaviors to plan and manage, select, prepare, and eat healthy foods—are better able to meet dietary recommendations. The Eating with Ease program developed and tested a nutrition education/culinary skill-building program to build first- and second-year veterinary medicine students’ food literacy and healthy behaviors toward food. The curriculum emphasized health and nutrition, taste, food preparation skills, planning/decision making, and convenience. Students engaged in four 30-minute sessions and communicated through a mobile group messaging application. Pre- and post-program scores on the Eating and Food Literacy Behaviors Questionnaire (EFLBQ) were compared between those who finished the intervention and a control group of graduate students who completed a money management program. The intervention group ( n = 23) had a mean age of 24.2 years ( SD = 2.6), and the control group ( n = 14) had a mean age of 27.1 years ( SD = 2.3). Most participants were female (87%, n = 20 and 79%, n = 11 in the intervention and control groups, respectively). After completing the program, the veterinary medical students’ mean EFLBQ factor change score for health and nutrition was significantly higher ( p = .03) when compared to the control group. These findings suggest that a short, evidence-based nutrition education/culinary skill-building program may improve veterinary medical students’ behaviors to choose, prepare and consume healthy foods.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».