Diversity demographics are needed to enhance accurate assessment of diversity in the nutrition and dietetics profession
Notice bibliographique
Résumé
A diverse workforce is vitally important to ensure that our nation has quality, affordable, and accessible health care. Diversity, equity, and inclusion are crucial to the nutrition/dietetics profession. As the Academy of Nutrition and Dietetics (Academy) strives to increase and better target its efforts in these areas, assessment will be required to measure progress. Evaluation of progress hinges on the cooperation of individual nutrition/dietetics practitioners — registered dietitians (RDs) or registered dietitian nutritionists (RDNs) and dietetic technicians registered (DTRs) and nutrition dietetics technicians, registered (NDTRs) to report race/ethnicity and/or gender to the Academy and/or the Commission on Dietetic Registration (CDR). Furthermore, accurate assessment and reporting of diversity demographics of the profession rely on the Academy and/or the CDR to use the full de-identified database of practitioners rather than smaller surveys. This article 1) summarizes reports on practitioners in health occupations by race/ethnicity and gender diversity from the CDR, U.S. government, and other professional organizations, 2) summarizes data collection standards issued by the U.S. government on race and ethnicity, 3) provides a recommended action step to encourage nutrition/dietetics practitioners to self-report race/ethnicity and gender to the Academy and/or the CDR, and 4) provides recommended action steps to encourage the Academy and/or the CDR to use the full de-identified database of nutrition/dietetics practitioners rather than smaller surveys to report diversity demographics of RDs/RDNs and DTRs/NDTRs by Academy groups, and to make several revisions to the CDR Registry Statistics and surveys to enhance future diversity and more accurate assessment of diversity in the profession.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».