Prescribing diabetes nutrition therapy: a qualitative study of dietitians’ experiences of carbohydrate restriction in Canada
Notice bibliographique
Résumé
Background: Diabetes care has traditionally not included nutrition therapy using carbohydrate restriction, nor has carbohydrate restriction been taught to registered dietitians (RDs) to support patients living with diabetes choosing this dietary approach. We aimed to describe the experiences and views of RDs caring for patients using therapeutic carbohydrate-restricted diets (TCR), particularly metabolic conditions such as type 2 diabetes or prediabetes. Subjects/Methods: A qualitative study design using free-text responses from an online needs assessment survey was employed. RDs who practised in Canada were invited (n=6640) and 274 completed the survey, with 45 respondents who regularly prescribed TCR to their patients providing open-text responses (2987 words), which were analysed using inductive thematic analysis. Results: We identified four themes characterising Canadian RDs' experiences around prescribing TCR: interpersonal context, personal experience/knowledge, regulatory environment and patient-centredness. While these themes often interacted, each impacted TCR prescription uniquely, with patient-centred care at the core of reported experiences of prescribing. Conclusions: There exists a variety of experiences and perspectives related to prescribing of TCR among Canadian RDs caring for patients with diabetes, and all focus on the patient's needs, benefits and preferences. Prescribing TCR was often informed by the scientific literature yet also by RDs' experiential knowledge. Responses highlighted a desire for evidence-based educational materials and greater discussion within the diabetes nutrition community on this topic.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 ».