The Hospital Food Experience Questionnaire Predicts Adult Patient Food Intake
Notice bibliographique
Résumé
Purpose: Describe food/beverage intake among all patients and those with low meal intake and determine if the Hospital Food Experience Questionnaire (HFEQ), or its shorter version (HFEQ-sv), predicts food intake while considering patient (e.g., gender) and hospital characteristics (e.g., foodservice model). Methods: Cross-sectional study of 1087 adult patients from 16 hospitals in Ontario, Canada. The valid and reliable HFEQ assessed patients’ meal quality perceptions. Visual estimation determined overall meal and food/beverage intake using the Comstock method. Binary logistic regressions tested the association between patient and hospital characteristics and whether HFEQ or HFEQ-sv scores added utility in predicting overall meal intake (≤50% vs. ≥75%). Results: Approximately 29% of patients consumed ≤50% of their meal. Models assessing patient and hospital characteristics and either the HFEQ or the HFEQ-sv were significant (LRT(43) = 72.25, P = 0.003; LRT(43) = 93.46, P < 0.001). Men and higher HFEQ or HFEQ-sv scores demonstrated significantly higher odds of ≥75% meal consumption. Considering HFEQ or HFEQ-sv scores explained greater variance in meal intake and resulted in better model fits. Conclusions: The HFEQ and HFEQ-sv predict patient meal intake when adjusting for covariates and add utility in understanding meal intake. Either version can be confidently used to support menu planning and food delivery to promote food intake.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».