Mad Dog Nutrition Program Consult: A Qualitative approach to Perceptions of Task and Barrier Self-Efficacy, and Long-term Adherence
Notice bibliographique
Résumé
Past research has demonstrated that neurological populations (i.e., spinal cord injury and multiple sclerosis) can benefit from an anti-inflammatory diet (Allison & Ditor, 2015; Allison et al., 2016). Although able to reduce inflammation and improve other health related measures, adherence to the diet was substantially lower one year later (Allison & Ditor, 2018). Investigation into factors impacting adherence was successful in identifying applicable barriers and facilitators (Bailey et al., 2017). Using existing knowledge, a pilot nutrition consult (Mad Dog Consult) was created in hopes of improving adherence to the diet. After the consult and a 1-month intervention period, participants were later interviewed with regard to their experience. Interviews were conducted under a constructivist world view and analysis was guided by reflexive thematic analysis (RTA). This study aimed to 1) determine how the Mad Dog Consultation changed individual perceptions of task and barrier self-efficacy (SE) and long-term adherence, and 2) gather participant feedback regarding effectiveness and delivery of the consultation for future modifications. Resulting themes are as follows. Primary themes: Independent Investigation* and Utilizing Self-Awareness; secondary themes: Learning & Trying New Things, Resources & Tools*, Confidence & Commitment, Support & Cooperation*, Health Concerns & Considerations, Inadequate/Ineffective knowledge*, Emotion & Environment, Sourcing & Expense, Accessibility (Physical Challenges), and Inconvenience; and sub-themes: Small Changes, Weight Loss, and Energy Level & Focus. While these findings confirm the consult’s positive impact on addressed barriers and facilitators, it also indicates the need for booster sessions, further adaptation to “busy lives”, and reinforcing of individual strengths. Therefore, it can be concluded that while the consult was demonstrated to act as a catalyst for healthy change, further investigation is still required.
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 | 0,020 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».