MétaCan
Menu
Retour à la cohorte
Enregistrement W4392032523 · doi:10.3390/nu16050603

Culinary Medicine or Culinary Nutrition? Defining Terms for Use in Education and Practice

2024· article· en· W4392032523 sur OpenAlexaffabout
Sharon Croxford, Emma Stirling, Julia MacLaren, John Wesley McWhorter, Lynn Frederick, Olivia Thomas

Notice bibliographique

RevueNutrients · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueObesity and Health Practices
Établissements canadiensAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésNutrition EducationMedical educationBest practiceWork (physics)MedicinePsychologyGerontologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Examination of how terms such as culinary nutrition, culinary nutrition science, culinary medicine, culinary nutrition professional, culinary nutrition intervention, culinary nutrition activity, and culinary nutrition competency are used in practice, and the creation of consensus definitions will promote the consistent use of these terms across work areas and disciplines. Thirty leading practitioners, academics, and researchers in the fields of food and nutrition across Australia, the United States, Canada, United Kingdom, Europe, and Asia were approached by investigators via email to submit definitions of key terms using a Qualtrics survey link. Further participants were reached through snowball recruitment. Initial emails were sent in October and November 2021 with subsequent reminders between November 2021 and March 2022. Two researchers undertook content analysis of the text answers for each of the terms and generated definitions for discussion and consensus. Thirty-seven participants commenced the survey and twenty-three submitted one or more definitions. Agreed definitions fell into two categories: practice concepts and practitioners. Further discussion amongst investigators led to the creation of a visual map to demonstrate the interrelationship of terms. Culinary nutrition science underpins, and interprofessional collaboration characterizes practice in this area, however, further work is needed to define competencies and model best practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,309
Score d'incertitude au seuil0,467

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,139
Tête enseignante GPT0,535
Écart entre enseignants0,396 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetObesity and Health PracticesTravaux en français237 207