MétaCan
Menu
Retour à la cohorte
Enregistrement W4413031080 · doi:10.1016/j.profnurs.2025.08.002

Nourish the mind: The need for nutrition-focused education in nursing to improve health outcomes

2025· article· en· W4413031080 sur OpenAlexaff
Sasha DuBois, Anniece Spencer, Adrianna Nava, Mary Kaminski, Andie Lee Gonzalez, Mary Beth Arensberg

Notice bibliographique

RevueJournal of Professional Nursing · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensAbbott (Canada)
Organismes subventionnairesnon disponible
Mots-clésNursingNurse educationMedicineMEDLINENursing researchPsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Nutrition is a fundamental component of nursing education and is essential to providing high quality care across the spectrum of healthcare. Nutrition is particularly important for meeting the care needs of older adult and young child populations who may be at increased risk for malnutrition. In the United States (U.S.) nutrition-focused nursing education may be limited, but there are opportunities for enhancement at the baccalaureate and graduate levels. This policy paper briefly outlines the need to enhance nutrition as an integral part of high-quality nursing care to align with current nutrition policy changes in the U.S. It also discusses segmenting nutrition content by nursing degree programs, differentiating nutrition content as separate from versus integrated into nursing curricula, and effective teaching methods for nutrition content. Also described are nutrition-focused continuing education and certifications that can further augment nutrition in nursing education programs to "nourish the mind" of future practitioners.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,760
Score d'incertitude au seuil0,425

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,026
Tête enseignante GPT0,471
Écart entre enseignants0,445 · 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'étudeAutre devis
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Professional NursingMême sujetNutrition and Health in AgingTravaux en français237 207