Standard Patient History Can Be Augmented Using Ethnographic Foodlife Questions
Notice bibliographique
Résumé
The relationship between what and how individuals eat and their overall and long-term health is non-controversial. However, for decades, food and nutrition discussions have often been highly medicalized. Given the significant impact of poor nutrition on health, broader discussions about food should be integrated into routine patient history taking. We advocate for an expansion of the current, standard approach to patient history taking in order to include questions regarding patients' 'foodlife' (total relationship to food) as a screening and baseline assessment tool for referrals. We propose that healthcare providers: (1) routinely engage with patients about their relationship to food, and (2) recognize that such dialogues extend beyond nutrition and lifestyle questions. Mirroring other recent revisions to medical history taking-such as exploring biopsychosocial risks-questions about food relationships and motivators of eating may be essential for optimal patient assessment and referrals. We draw on the novel tools of 'foodlife' ethnography (developed by co-author ethnographer J.J.L., and further refined in collaboration with the co-authors who contributed their clinical experiences as a former primary care physician (D.M.E.), registered dietitian (J.W.M.), and diabetologist (H.Z.)) to model a set of baseline questions for inclusion in routine clinical settings. Importantly, this broader cultural approach seeks to augment and enhance current food intake discussions used by registered dietitian nutritionists, endocrinologists, internists, and medical primary care providers for better baseline assessments and referrals. By bringing the significance of food into the domain of routine medical interviewing practices by a range of health professionals, we theorize that this approach can set a strong foundation of trust between patients and healthcare professionals, underscoring food's vital role in patient-centered care.
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 | 0,026 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».