Conversation Analysis of Clients’ Active Resistance to Veterinarians’ Proposals for Long-Term Dietary Change in Companion Animal Practice in Ontario, Canada
Notice bibliographique
Résumé
The impact of nutrition on animal health requires effective diet-related treatment recommendations in veterinary medicine. Despite low reported rates of veterinary clients' adherence with dietary recommendations, little is known about how clients' resistance to nutritional proposals is managed in the talk of veterinary consultations. This conversation-analytic study investigated clients' active resistance to veterinarians' proposals for long-term changes to cats' and dogs' diets in 23 segments from 21 videotaped appointments in Ontario, Canada. Clients' accounts suggested the proposals themselves or nutritional modifications were unnecessary, inappropriate, or unfeasible, most often based on patients' food preferences, multi-pet feeding issues, current use of equivalent strategies, or current enactment of the proposed changes. Resistance arose when veterinarians constructed proposals without first gathering relevant diet- and patient-related information, soliciting clients' perspectives, or educating them about the benefits of recommended changes. Veterinarians subsequently accommodated clients' concerns more often when resistance involved patient- or client-related issues rather than clients' lack of medical knowledge. The design of subsequent proposals accepted by clients frequently replaced dietary changes in the initial proposals with nutritional or non-nutritional alternatives and oriented to uncertainty about adherence. This study provides evidence-based findings for developing effective communication training and practice guidelines in nutritional assessment and shared decision-making.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».