MétaCan
Menu
← Retour à la cohorte
Enregistrement W4416786706 · doi:10.3390/ijerph22111619

What Gets Measured Gets Counted: Food, Nutrition, and Hydration Non-Compliance in Ontario Long-Term Care Homes and the Role of Proactive Compliance Inspections, 2024

2025· article· en· W4416786706 sur OpenAlexaffabout
Karen Wilson, Laura C Ugwuoke, Sofia Culotta, Lisa Mardlin-Vandewalle, June I. Matthews, Jamie A. Seabrook

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensChildren’s Health Research InstituteLondon Health Sciences CentreLawson Health Research InstituteWestern University
Organismes subventionnairesnon disponible
Mots-clésCategorical variableProtocol (science)Compliance (psychology)Primary careSample (material)Health careExploratory research

Résumé

récupéré en direct d'OpenAlex

Food and nutrition services are critical to the health of long-term care home (LTCH) residents, yet little is known about how regulatory inspections detect non-compliance with Food, Nutrition, and Hydration (FNH) standards. We conducted a cross-sectional study of administrative inspection data from all licensed LTCHs in Ontario, Canada. One inspection report was randomly selected per LTCH, yielding a sample of 623 LTCHs. The data were collected for the period spanning 1 January 2024 to 31 December 2024. The primary exposure was use of the FNH inspection protocol, and the outcome was FNH non-compliance, defined as at least one Written Notification or Compliance Order. Statistical analyses included chi-square tests for categorical variables and independent samples t-tests (including Welch’s t-tests where appropriate) for continuous variables, with effect sizes (Φ, Cramer’s V, Cohen’s d) reported to complement p-values. This study did not require research ethics review under Western University policy, consistent with Canada’s Tri-Council Policy Statement (TCPS 2, Article 2.2) regarding use of publicly available data. FNH non-compliance was identified in 12.2% (n = 76) of all LTCHs, and in 43.7% of those using the FNH protocol. Use of the FNH protocol was associated with a higher likelihood of detecting FNH non-compliance compared with other inspection protocols (p < 0.001, Φ = 0.55). LTCH ownership and inspection type were also associated with detection patterns. This exploratory study provides the first province-wide analysis of FNH non-compliance in Ontario LTCHs. Findings suggest that inspection protocols influence detection of FNH issues, underscoring the need for further comparative and qualitative research to understand the organizational factors underlying non-compliance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,048
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,436

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,048
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0040,003
Communication savante0,0030,002
Science ouverte0,0030,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,083
Tête enseignante GPT0,397
Écart entre enseignants0,314 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public Health→Même sujetNutrition and Health in Aging→Travaux en français237 207→