Understanding how healthcare providers build consumer trust in the Australian food system: A qualitative study
Notice bibliographique
Résumé
AIM: This study aimed to identify how dietitians and other healthcare providers work to build trust in food systems in the course of providing dietary education. METHODS: Qualitative semi-structured interviews were conducted with 15 purposefully sampled dietitians (n = 5), general practitioners (n = 5), and complementary and alternative medicine practitioners (n = 5) within metropolitan South Australia. Interview data were then interpreted using an inductive thematic analysis approach, involving the construction of themes representing trust-enhancing roles around which beliefs about professional roles, the 'patient', and food and health were clustered. RESULTS: Healthcare providers communicate beliefs regarding (dis)trust in food systems through: (i) responding to patient queries and concerns following a food incident or scare; (ii) helping patients to identify (un)trustworthy elements of food supply systems; and (iii) encouraging consumption of locally produced and minimally processed food. Importantly, the expression of these roles differed according to participant beliefs about food and health (medico-scientific versus alternative medicine) and their adoption of professional projects that sought to promote medico-scientific ways of thinking about health and diet or manage the failures of Western medicine. CONCLUSION: The development and consolidation of trust-enhancing roles amongst healthcare providers likely requires disciplinary reflection on professional values and the processes by which practitioners apply these values to understanding food systems.
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 | 0,004 | 0,000 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».