MétaCan
Menu
← Retour à la cohorte
Enregistrement W4292281090 · doi:10.1016/j.jneb.2022.05.007

New Mexico Sponsors Identify Time and Money as Factors Affecting Home-Based Provider Child and Adult Care Food Program Engagement

2022· article· en· W4292281090 sur OpenAlexvenueno aff
Hailey Heinz, Dana Bell, Julia Martinez, M. Douglas Cunningham, Blythe Maunders, Elizabeth Yakes Jimenez

Notice bibliographique

RevueJournal of Nutrition Education and Behavior · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThematic analysisDocumentationNursingBusinessMedicineQualitative research

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Describe Child and Adult Care Food Program (CACFP) sponsor perspectives on barriers and facilitators to home-based provider CACFP eligibility, enrollment, and participation and ways to improve provider support. METHODS: Semistructured interviews were conducted with 11 New Mexico CACFP sponsor staff representing 9 out of 13 agencies (69% response rate) from August to September, 2020. Interviews were analyzed using thematic analysis with an essentialist/realist epistemological approach. RESULTS: Sponsor-perceived barriers to provider CACFP: eligibility (costs, background checks, fear/stigma, and delays in becoming state-approved providers); enrollment (lack of translated/low-literacy materials and cumulative systems requirements); and participation (challenges maintaining qualifying menus and documentation and accessing qualifying food, inadequate reimbursements, and unannounced visits). Sponsors suggested systems changes to improve provider support (eg, more assistance with becoming state-approved and for start-up costs and accessible, progressive nutrition training opportunities). CONCLUSIONS AND IMPLICATIONS: Sponsors noted CACFP barriers for home-based providers and identified corresponding systems changes that could be tested.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,432
Écart entre enseignants0,366 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nutrition Education and Behavior→Même sujetFood Security and Health in Diverse Populations→Travaux en français237 207→