The Nigerian Dietary Screening Tool: A Step toward Improved Patient-Clinician Communication in Nigerian Hospitals: A Pilot Implementation Study
Notice bibliographique
Résumé
Implementing dietary screening tools into clinical practice has been challenging, including in Nigeria. This study evaluated the impact of the Nigerian dietary screening tool (NiDST) on patient–clinician communication and barriers to and facilitators of implementation. A mixed methods approach was used to collect data from patients (n = 151) and clinicians (n = 20) from outpatient clinics in Nigeria. Patients completed the validated 25-item NiDST prior to outpatient consultations. Both patients and clinicians completed the Measurement Instrument for Determinants of Innovations (MIDI) questionnaire to assess implementation determinants post-consultation. Semi-structured interviews were conducted for in-depth feedback. The fidelity of implementation was 92% for NiDST-reported dietary discussion, with a mean completion time of <6 min and an accepted marginal increase in consultation time (<10 min). For clinicians, 25% reported time constraints and their additional nutritional knowledge as barriers, while facilitators of NiDST implementation were the clarity and completeness of the NiDST, clinical relevance and improved patient–clinician communication, as reported by all the clinicians. Over 96% of patients reported the NiDST as quick to complete, with 90.7% reporting self-reflection on dietary intake. This study demonstrated the NiDST’s potential to enhance patient–clinician communication and highlighted major facilitators of implementation in clinical practice to improve dietary discussion in Nigeria.
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 | 0,003 | 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 ».