Perceptions and Utilization of Registered Dietitian Nutritionists in Multiple Sclerosis Care: A Pilot Survey of Multidisciplinary Providers
Notice bibliographique
Résumé
Background/Objectives: Registered dietitian nutritionists (RDNs) are allied healthcare professionals who can help people with multiple sclerosis (MS) incorporate healthy eating, but little is known about their involvement in MS care. Thus, the objective of this survey was to investigate the perceptions and utilization of RDNs in MS care among multidisciplinary MS providers in the United States and Canada. Methods: An online survey was disseminated via the Consortium of MS Centers email listserv and MS-specific scientific conferences. The survey queried practitioner type, RDN referrals, the perceived benefits of RDNs in MS care, and the proportion of their patients who follow ‘MS diets’ or have nutrition-related issues. Reasons for or against RDN referral and beneficial resources were also queried. Results: Of the 60 completed surveys, respondents were primarily neurologists (n = 27, 45.0%). Most (n = 43, 71.7%) indicated that half or more of their patients inquire about diet, but n = 32 (53.3%) indicated that very few follow an ‘MS diet’ and n = 47 (78.3%) indicated that very few decline disease-modifying therapies to follow an ‘MS diet’. Most (n = 45, 77.6%) respondents indicated referring their patients to a RDN with lack of nutrition knowledge/general healthy eating advice (n = 34, 73.9%) and overweight/obesity (n = 31, 67.4%) as being the most common reasons for referral. RDNs were reported as being helpful or extremely helpful by n = 38 (84.4%) of respondents who reported referring to RDNs. Most (n = 46, 79.3%) indicated that their patients would benefit from having an RDN with MS-specialized training as a member of staff. Conclusions: MS care providers support the need for RDNs with specialized training in MS care.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».