Promoting Healthy Food Access and Nutrition in Primary Care: A Systematic Scoping Review of Food Prescription Programs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To conduct a scoping review to synthesize evidence on food prescription programs. DATA SOURCE: A systematic search of PubMed, CINAHL, Web of Science, Embase, and the Cochrane Library was conducted using key words related to setting, interventions, and outcomes. STUDY INCLUSION AND EXCLUSION CRITERIA: Publications were eligible if they reported food prescription administered by a health care practitioner (HCP) with the explicit aim of improving healthy food access and consumption, food security (FS), or health. DATA EXTRACTION: A data charting form was used to extract relevant details on intervention characteristics, study methodology, and key findings. DATA SYNTHESIS: Study and intervention characteristics were summarized. We undertook a thematic analysis to identify and report on themes. A critical appraisal of study quality was conducted using the Mixed Methods Appraisal Tool (MMAT). RESULTS: A total of 6145 abstracts were screened and 23 manuscripts were included in the review. Food prescriptions may improve fruit and vegetable consumption and reduce food insecurity (FI). Evidence for impacts on diet-related health outcomes is limited and mixed. The overall quality of included studies was weak. Addressing barriers such as stigma, transportation, and poor nutrition literacy may increase utilization of food prescriptions. CONCLUSION: Food prescriptions are a promising health care intervention. There is a need for rigorous studies that incorporate larger sample sizes, control groups, and validated assessments of dietary intake, food security, and health.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle