Winnipeg-based elementary school teachers’ perspectives on food allergy management: a qualitative analysis
Notice bibliographique
Résumé
BACKGROUND: Food allergy affects 7-8% of children worldwide. Teachers supervise children in school, where most children spend their day. Yet, teachers have variable food allergy-related knowledge. OBJECTIVE: We aimed to identify how Winnipeg-based elementary school teachers manage food allergy and prevent food-triggered allergic reactions in their classrooms and schools. METHODS: Kindergarten-Grade 6 public and private school teachers, from Winnipeg, Canada, were interviewed virtually upon providing written informed consent. Interviews were recorded and transcribed verbatim. The study followed a pragmatic framework. Data were analysed via thematic analysis by multiple researchers. RESULTS: We interviewed 16 teachers, who primarily identified as female (87.5%). Most teachers worked in public schools (87.5%) and, on average, had 5.8 years of teaching experience. We identified four themes within the data. Most teachers (68.9%) had direct or indirect experience with food allergy. Theme 1 described the minimal standardization and inconsistent enforcement of food allergy policies between and within schools. Teachers also had varied food allergy knowledge. Theme 2 reflected teachers' variable confidence/perceived knowledge towards food allergy management, including feeling of stress and anxiety. Theme 3 captured the lack of standardized food allergy education for teachers, and concerns about the adequacy of the current provincial program. Theme 4 described how teachers spoke of relying on other school staff, families and students to have effective communication. CONCLUSION: Teachers' food allergy management was informed by their knowledge and lived experience, guided by their school policies and individualized students' needs. Teachers identified gaps in knowledge and communication, and desired more training and resources.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,005 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».