Do Physician Assistant Training Programs Adequately Prepare PAs to Address Nutritional Issues in Clinical Practice?
Notice bibliographique
Résumé
PURPOSE: The purpose of this study was to determine physician assistants' (PAs') current level of confidence to engage in nutrition-related tasks and their satisfaction with the nutrition education they received in PA school. METHODS: To achieve this goal, a mixed-methods approach that consisted of 3 data collection phases (qualitative online discussions, quantitative survey, and qualitative interviews) was used to explore and measure PAs' perceptions of the education they received in PA school and through other sources and how confident they felt addressing nutrition-related issues in clinical practice. RESULTS: While 80% of PAs endorse the idea that PAs should be more involved in providing nutritional care to patients, the majority reported basic or no knowledge of the nutritional implications of chronic conditions (69%), inflammatory bowel disease (69%), nutritional needs over the lifespan (67%), and food allergies and intolerances (64%). Barriers to patient care included knowledge-related challenges when selecting lab tests based on patient profile (46%) and identifying needs based on various gastrointestinal diseases (67%) and when using diagnostic data to identify deficiencies (74%). Overall, 59% of PAs reported being slightly or very dissatisfied with the nutrition-related content in the curricula used to formally train PAs. CONCLUSIONS: The primary goal of every PA program is to prepare its graduates to be competent to enter clinical practice. Regarding nutrition, these data indicate that programs are failing to do so. PAs lack the confidence and ability to provide optimal nutritional care, which is staggering considering that nutrition is the first line of treatment in the prevention and management of numerous chronic diseases.
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 | 0,010 | 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».