Reporting perceived capability, motivations, and barriers to reducing treat feeding amongst dog and cat caregivers
Notice bibliographique
Résumé
Obesity remains a significant concern for dogs and cats, and reducing or eliminating treats is commonly recommended as a strategy for weight management. Caregivers can struggle with adherence to such dietary recommendations. Previous research suggests caregivers are reluctant to reduce treats but there is limited understanding of the underlying factors contributing to these behaviours and decisions. The objective of this study was to explore caregivers' motivations and barriers to reducing treat feeding, and their reported capability to do so. An online questionnaire including multiple choice and Likert scale questions was disseminated to dog and cat caregivers (n=1053) primarily from Canada and the USA from September to November 2021. Caregivers commonly expressed a wide range of motivations to reduce treat feeding with their pet, though barriers to reducing treat feeding were less defined. Changing their pet's routine was a reported barrier by more than 30% of respondents and was predictive of caregivers finding reducing treat giving to be difficult (OR=1.67, p=0.017). Results from multivariable logistic regression also revealed that caregivers who consider their companion animal to be obese as more likely to perceive reducing treats to be difficult. The results highlight the role of treats in the relationship and routine of caregivers' and their pets, and the importance of considering the individualised needs and circumstance of the caregiver and pet in veterinary discussions surrounding reducing treat feeding. Identifying these perspectives can improve self-efficacy with veterinary nutrition recommendations surrounding treats.
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 | 0,001 |
| 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 ».