Talking treats: A qualitative study to understand the importance of treats in the pet-caregiver relationship
Notice bibliographique
Résumé
Treats are a prevalent aspect of pet care, frequently given by dog and cat caregivers for varying reasons. However, recommendations of reducing or eliminating treat feeding poses a common challenge, leading to potential non-adherence surrounding weight management practices. To explore caregivers' perceptions and experiences surrounding treat feeding, we conducted five online focus groups with 24 dog and cat caregivers, recruited via an infographic shared on social media using snowball sampling. NVivo12© was used to organize and analyze verbatim transcripts using inductive thematic analysis. Outcomes illustrated three major themes: 1) the role of treats as an important tool for caregivers; 2) considerations for treat selection and provision; and 3) caregivers' need for more and better information and support related to treats. Participants emphasized the importance of treats for managing behaviours, health-related activities, and enhancing the pet-caregiver relationship. Results suggest that the diverse and valued applications of treats, caregivers' satisfaction associated with treat-giving, and perceived lack of guidance surrounding treats may present challenges for caregivers in reducing treat feeding with their pets. Findings highlight opportunities to enhance the available resources that can empower both veterinary professionals and caregivers to make well-informed decisions and foster sustainable changes in treat feeding practices to support weight management and overall health. Such considerations can improve client compliance with veterinary recommendations, to promote companion animal health and well-being while fostering the human-animal bond.
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 | 0,001 | 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 ».