Improvement in Nutritional Knowledge Confidence and Food-Agency: Outcomes of the First French-Speaking Culinary Medicine Courses Among Medical Students
Notice bibliographique
Résumé
Background: Medical students often lack sufficient nutrition education, leading to confidence gaps and an inability to address this healthcare aspect. Culinary Medicine (CM) courses offer an innovative solution. Methods: We tested the first French-speaking CM courses among 2 groups of second-third year medical students, compared to a control group (CG). The objectives were to assess if an optional CM course could enhance their confidence in both nutritional knowledge and providing nutritional advice, and improve their food agency (CAFPAS: Cooking and Food Provisioning Action Scale). The analysis examines changes in scores by comparing post-session to pre-session questionnaire measurements. Results: Of the 22 CM students and 6 in CG, predominantly aged 20-25 years, Caucasian, and female, the majority (CG = 100%, CM = 86.4%) reported <5 hours of nutrition education. Almost all expressed dissatisfaction with nutrition education provided in medicine, both quantitatively and qualitatively. CM students reported significantly increased confidence in their knowledge and ability to advise about nutrition during the sessions. We also observed improvements in their CAFPAS scores, which measure food agency, while the control group exhibited no change in confidence or CAFPAS scores. Conclusion: The findings highlight CM as practical strategy for integrating nutrition education into medical curricula, offering insights for enhancing future physicians' knowledge.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 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) | 0,002 | 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 ».