The association of food service satisfaction and nutrition among residents in long term care: The making the most of mealtimes study (M3)
Notice bibliographique
Résumé
Introduction: Residents’ food service satisfaction (FSS) in long term care (LTC) can contribute to malnutrition risk. Low FSS has been found to lead to weight loss, malnutrition and a spiral of negative health effects. The Making the Most of Mealtimes Study (M3) examined the determinants of food and fluid intake of 639 residents in 32 diverse LTC homes in Canada. Objectives: 1) To identify characteristics of residents who completed the food service satisfaction survey. 2) To examine food service satisfaction in LTC. 3) To identify nutritional status indicators that affect FSS in LTC. 4) To construct validate the FSS survey administered for the M3 study. Methods: Secondary data from the M3 study obtained from 329 residents examined the FSS score (21 questions with a score range of 21-63), Cognitive Performance Score, Patient Generated – Subjective Global Assessment, energy intake, protein intake, texture modification, thickened fluids and prescribed oral nutritional supplement. Descriptive statistics, bivariate analysis, and one-way ANOVA were conducted (p-value < 0.05). Results: The respondents were 86.3 ± 7.6 (SD) years of age, 64.4% female, 51.1% with mild/moderate cognitive impairment (CI) and 38.3% were malnourished. Participants were highly satisfied with cold foods being served cold and foods being easy to chew. They were least satisfied with being hungry at meal times, hot foods being served hot, taste, and appearance of food. Mean FSS score was 55.5 ± 6.6 (82%). Associations were found between lower FSS scores and a modified diet texture prescription [t (327=3.141, p=0.002], thickened fluid prescription [t (327=2.458, p=0.014] and malnutrition diagnosis [t (327=2.354, p=0.020]. The FSS score was associated with modified diet textures (F=11.6, p=0.001).
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».