Evaluating implementation of the <scp>FIGO</scp> Nutrition Checklist for preconception and pregnancy within the <i>Bukhali</i> trial in Soweto, South Africa
Notice bibliographique
Résumé
OBJECTIVE: To evaluate implementation of the FIGO Nutrition Checklist in a low/middle-income South African setting. METHODS: This is a mixed-methods study. Following administration of the FIGO Nutrition Checklist by a dietitian between July 2021 and May 2022, quantitative responses from pregnant (n = 96) and nonpregnant (n = 291) participants with overweight or obesity were analyzed, using logistic regression. Qualitative data from in-depth interviews with the dietitian and a subgroup of participants (n = 15) were analyzed using reflexive thematic analysis. RESULTS: Of 387 participants, 97.4% (n = 377) answered 'no' to at least one diet quality question on the FIGO Nutrition Checklist, indicative of an at-risk dietary practice. Food insecurity was positively associated with having more than three at-risk practices (OR 1.87; 95% CI, 1.10-3.18; P = 0.021). Themes from the dietitian interview included ease of use of the checklist; required adaptations to it, including explanation and translation; and benefits of the tool. Despite challenges to healthy nutrition, participant interviews identified that the checklist is acceptable and supported improved awareness of dietary intakes. CONCLUSION: Considering the high incidence of at-risk dietary practices identified by the FIGO Nutrition Checklist in this population, further research into use of the tool across South African healthcare settings is warranted.
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 | 0,086 | 0,113 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».