Putting quality food on the tray: Factors associated with patients’ perceptions of the hospital food experience
Notice bibliographique
Résumé
INTRODUCTION: Perceptions of hospital meal quality can influence patient food intake. Understanding what patients prioritise and what they think of current meals can support menu development. The present study assessed patients' food and food-related priorities for hospital meals and their sensory experience using the Hospital Food Experience Questionnaire (HFEQ). Factors independently associated with the HFEQ were determined. METHODS: Cross-sectional study (n = 1087 patients; 16 Ontario hospitals). Patients completed the HFEQ at a single meal. Descriptive statistics determined the importance of food traits and ratings of a served meal using 22 HFEQ questions (five-point Likert scales, total score 110). Bivariate and multivariable linear regression tested the association between patient and hospital characteristics and HFEQ score. RESULTS: = 2.34, p < 0.001). Older and woman-identifying patients were more likely to have a higher score. Foodservice models were associated with HFEQ. Cold-plated rethermed food resulted in the lowest HFEQ. Local food use > 10% was associated with lower HFEQ score, whereas larger hospitals had a higher score. CONCLUSIONS: Patients prioritised taste, freshness and food that met their dietary needs. Meal sensory ratings were average. A gap exists between what patients want in hospital meals and what they receive. Attention to patient demographics and food delivery that retains sensory properties and supports choice may increase HFEQ score.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».