MétaCan
Menu
← Retour à la cohorte
Enregistrement W3153212505 · doi:10.3390/healthcare9040477

Harnessing Stakeholder Perspectives and Experience to Address Nutrition Risk in Community-Dwelling Older Adults

2021· article· en· W3153212505 sur OpenAlexafffundabout
Catherine B. Chan, Naomi Popeski, Leah Gramlich, Marlis Atkins, Carlota Basualdo‐Hammond, Janet Stadnyk, Heather Keller

Notice bibliographique

RevueHealthcare · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensResearch Institute for AgingUniversity of WaterlooUniversity of CalgaryAlberta HealthUniversity of AlbertaAlberta Health Services
Organismes subventionnairesCanadian Institutes of Health ResearchAlberta Health Services
Mots-clésStakeholderHealth careJurisdictionWork (physics)MalnutritionNursingBusinessPopulationMedicineGerontologyPublic relationsEnvironmental healthEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

Community-dwelling, older adults have a high prevalence of nutrition risk but strategies to mitigate this risk are not routinely implemented. Our objective was to identify opportunities for the healthcare system and community organizations to combat nutrition risk in this population in the jurisdiction of Alberta, Canada. An intersectoral stakeholder group that included patient representatives was convened to share perspectives and experiences and to identify problems in need of solutions using a design thinking approach. Results: Two main themes emerged from the workshop: (1) lack of awareness and poor communication of the importance of nutrition risk between healthcare providers and from healthcare providers to patients and (2) the necessity to work in partnerships comprised of patients, community organizations, healthcare providers and the health system. Conclusion: Improving awareness, prevention and treatment of malnutrition in community-dwelling older adults requires intersectoral cooperation between patients, healthcare providers and community-based organizations.

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)0,020
score de la tête « metaresearch » (Gemma)0,014
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,006
Communication savante0,0050,003
Science ouverte0,0010,012
Intégrité de la recherche0,0020,003
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 Opus0,101
Tête enseignante GPT0,387
Écart entre enseignants0,286 · 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

Citations8
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare→Même sujetNutrition and Health in Aging→Travaux en français237 207→