Using web based software solution to maintain resident nutrition profiles and offer table side ordering in long term care to enhance resident dining experience and create efficiency.
Notice bibliographique
Résumé
PurposeTo identify current mobile health (mHealth) promoting technologies and cultivate a summary of recommendations for the development of a mobile application intended to support individuals with healthy eating behavior change within Newfoundland and Labrador (NL).Process or summary of contentA selection of mHealth apps that emphasize weight and calorie counting are presently available. Research is limited on their accuracy, success, and long-term usefulness. Furthermore, these apps have minimal focus on healthy eating and behaviour change. Individuals are more likely to be successful making positive dietary changes when they can identify their goals via a client-centered approach. mHealth can motivate and support clients, resulting in improved self-efficacy with achieving personalized goals.Systematic approach An environmental scan and analysis of existing technologies (i.e. mobile apps, websites, etc.) that focus on health-promoting behaviors were searched using CADTH, PubMed and Google Scholar. A literature review was conducted on motivation and other factors influencing behaviour change. Consultation with national, provincial, and local stakeholders provided qualitative data pertaining to the feasibility and level of interest in the development and implementation of this type of technology.ConclusionsAt present, there are limited applications available that meet the needs of clients and dietitians. Introducing a mHealth application into dietetic practice in NL is a cost-effective method to enhance dietetic services province-wide. Recommendation It is recommended that the government of NL invest in the development of mHealth application tailored to support the practice of dietitians, their clientele, and individuals who are working to improve their eating behaviour. Significance to the field of dieteticsThe findings have been translated into recommendations for the development and implementation of a mHealth application targeted at improving healthy eating within NL. This technology will foster a client-centered approach to behaviour change related to healthy eating.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,006 |
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 ».