MétaCan
Menu
Retour à la cohorte
Enregistrement W4306177252 · doi:10.1097/nt.0000000000000565

Barriers to Implementing Weight Management Recommendations

2022· article· en· W4306177252 sur OpenAlexaff
Kevin Metcalf, Lauri Wright, Andrea Y. Arikawa, Jenifer Ross

Notice bibliographique

RevueNutrition Today · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDietetics, Nutrition, and Education
Établissements canadiensEmergent BioSolutions (Canada)
Organismes subventionnairesnon disponible
Mots-clésWeight managementMedicineReferralBest practicePsychological interventionNursingObesityFamily medicineMedical educationWeight lossManagementPathology

Résumé

récupéré en direct d'OpenAlex

Dietitians are responsible for using evidence-based practice to mitigate the effects of obesity; however, it is unclear how dietitians use research to guide weight management interventions. The aim of this pilot study was to identify the barriers of research utilization and implementation of evidence-based practice in adult weight management. A survey was disseminated to dietitians working at least part-time with people with obesity. Dietitians seem to value research and evidence-based practice; however, implementation may be an issue. The pilot study found that workplace setting may provide a barrier to research utilization, but dietitian opinion of current screening and referral guidelines may also be a significant barrier to implementing best practices in adult weight management.

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)0,067
score de la tête « metaresearch » (Gemma)0,236
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,356

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0670,236
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0030,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,044
Tête enseignante GPT0,401
Écart entre enseignants0,358 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrition TodayMême sujetDietetics, Nutrition, and EducationTravaux en français237 207