MétaCan
Menu
Retour à la cohorte
Enregistrement W3115362953 · doi:10.1186/s12913-021-06090-3

Stakeholders’ perceptions of the nutrition and dietetics needs and the requisite professional competencies in Uganda: a cross-sectional mixed methods study

2021· article· en· W3115362953 sur OpenAlexaff
Peterson Kato Kikomeko, Sophie Ochola, Archileo N. Kaaya, Irene Ogada, Tracy Lukiya Birungi, Peace Nakitto

Notice bibliographique

RevueBMC Health Services Research · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDietetics, Nutrition, and Education
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesHebrew University of Jerusalem
Mots-clésBachelorMedical educationMedicinePromotion (chess)InternshipPsychological interventionNutrition EducationClinical nutritionCross-sectional studyNursingQualitative researchPsychologyGerontology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Effective implementation of nutrition and dietetics interventions necessitates professionals in these fields to possess the requisite competencies for health systems performance. This study explored the stakeholders' perceptions of the community nutrition and dietetics needs, the nature of work done by graduates of the Bachelor's degree in Human Nutrition/Human Nutrition and Dietetics (HN/HND), and the competencies required of Nutrition and Dietetics professionals in Uganda. METHODS: A cross-sectional mixed methods design was used. Respondents included 132 graduates of the Bachelor's degrees in HN/HND obtained from the Makerere and Kyambogo Universities in 2005-2016; 14 academic staff that train HN/HND in the two universities; and 11 HN/HND work/internship supervisors. Data from the graduates was collected through an email-based survey; data from other participants was through face to face interviews using researcher administered questionnaires. RESULTS: Most HN/HND respondents (84.8%) obtained their Bachelor's degrees from Kyambogo University; 61.4% graduated in 2013-2016. Most (64.3%) academic staff respondents were females and the majority (57.1%) had doctorate training. All stakeholders viewed communities as facing a variety of nutrition and dietetics challenges cutting across different Sustainable Development Goals. The nutrition and dietetics interventions requested for, provided, and considered a priority for communities were both nutrition-specific and nutrition-sensitive. Work done by HN/HND graduates encompassed seven main competency domains; the dominant being organizational leadership and management; management of nutrition-related disease conditions; nutrition and health promotion; research; and advocacy, communication, and awareness creation. CONCLUSIONS: This study shows that nutrition and dietetics challenges in Uganda are multiple and multifaceted; HN/HND graduates are employed in different sectors, provide nutrition-specific and sensitive services in a multisectoral environment, and are expected to possess a variety of knowledge and skills. However, graduates have knowledge and skills gaps in some of the areas they are expected to exhibit competency. We recommend using these findings as a basis for obtaining stakeholder consensus on the key competencies that should be exhibited by all HN/HND graduates in Uganda; developing a HN/HND competency-based education model and a national HN/HND training and practice standard; and undertaking further research to understand the quality and relevancy of HN/HND curricula to Uganda's job market requirements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,248
Tête enseignante GPT0,561
Écart entre enseignants0,313 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetDietetics, Nutrition, and EducationTravaux en français237 207