MétaCan
Menu
Retour à la cohorte
Enregistrement W3214568554 · doi:10.1111/jhn.12964

Investigating the patient food experience: Understanding hospital staffs' perspectives on what leads to quality food provision in Ontario hospitals

2021· article· en· W3214568554 sur OpenAlexafffundabout
Vanessa Trinca, Lisa M. Duizer, S. Paré, Heather Keller

Notice bibliographique

RevueJournal of Human Nutrition and Dietetics · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensResearch Institute for AgingUniversity of GuelphUniversity of Waterloo
Organismes subventionnairesOntario Agri-Food Innovation Alliance
Mots-clésMedicineQuality (philosophy)Thematic analysisFocus groupStaffingQualitative researchNursingQuality managementPatient satisfactionFood choicePatient experienceMarketingHealth careBusiness

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Food quality influences patient food satisfaction, which may subsequently affect food intake and recovery, influencing hospital costs. The present qualitative study aimed to gain an understanding of hospital staff/volunteers experiences of serving food in Ontario hospitals, perceptions of food quality and challenges to quality food provision. METHODS: Sixteen Ontario hospitals participated. Semi-structured interviews (n = 64 participants) and focus groups (n = 24; 150 participants) were conducted. Transcripts were analysed using inductive thematic analysis. RESULTS: Four themes emerged: (1) Providing Good Quality Food (e.g., attributes that comprise the construct of meal quality, patients' expectations and desires from meals); (2) Individualising the Food and Mealtime Experience (e.g., processes to identify and cater to patients' needs and preferences); (3) Acknowledging Organisational Constraints (e.g., staffing, budget, etc.); and (4) Innovating Beyond Constraints (e.g., identifying innovation within potential modifiable and unmodifiable organisational constraints). CONCLUSIONS: Serving meals in hospital is complex because of organisational and patient factors; however, current efforts to serve quality food despite these complexities were uncovered in our investigation. Discussions highlighted current practices that promote food quality and strategies for improvement. Improving food quality and the hospital meal experience can support food intake and patient outcomes, as well as reduce waste and hospital associated costs. The findings can be used to support quality improvement measures aiming to serve high quality food that meets patients' expectations and nutritional needs.

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)0,007
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,701
Score d'incertitude au seuil0,595

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,007
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,112
Tête enseignante GPT0,370
Écart entre enseignants0,259 · 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

Citations15
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Human Nutrition and DieteticsMême sujetNutrition and Health in AgingTravaux en français237 207