Perceived barriers to entry to the eating disorder specialty within the dietetics profession and differences by race & ethnicity: results of a cross-sectional survey.
Notice bibliographique
Résumé
Specializing in treatment of eating disorders requires additional training for a Registered Dietitian (RD). Added barriers to specializing in eating disorder treatment may disproportionately affect dietitians from underrepresented race/ethnicity groups, discouraging entering the specialty. This cross-sectional study aimed to identify potential barriers for registered dietitians pursuing a specialty in eating disorder treatment, and compare barriers identified by RDs from underrepresented race/ethnicity groups in the profession to RDs who self-identify as white. A random sample of US dietitians were sent an electronic survey regarding their experience with entering this specialty. Common barriers identified through a review of literature were listed for participants to select and free response boxes were available to provide additional information. Free responses were coded and frequencies were calculated for both white participants and participants who identified as a person of color. Differences in the frequency of cited barriers between the two groups were analyzed using chi-squares. In our final sample (n=328) 11% of dietitians self-identified as coming from an under-represented demographic in the profession, while 88.7% self-identified as white. There was a significant difference in the number of white RDs who specialized in eating disorder treatment compared to underrepresented race/ethnicity RDs, (p < .048). The survey results suggest several barriers to the eating disorder specialty were experienced by all dietitians regardless of race/ethnicity. RDs from underrepresented racial/ethnic groups were more likely to report lack of race/ethnic representation as a barrier compared to white RDs (p < 0.022).
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 | 0,005 | 0,022 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».