MétaCan
Menu
Retour à la cohorte
Enregistrement W1964381326 · doi:10.1139/h07-151

Home parenteral nutrition in advanced cancer: where are we?

2008· review· en· W1964381326 sur OpenAlexaffvenue
Michelle Mackenzie, Leah Gramlich

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2008
Typereview
Langueen
DomaineNursing
ThématiqueClinical Nutrition and Gastroenterology
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésParenteral nutritionIntensive care medicineMedicineCancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

Patients with advanced and incurable cancer are a compelling group. Questions and comments that these individuals and their families have may include: "My daughter is expecting our first grandchild in 3 months--can I hope to see our new family member?"; "I can't keep any food down--is there anything I can do?"; "I am worried about losing so much weight, and feeling tired and weak--is there anything that may help?"; "Will I suffer a lot?". Indeed, the most pressing concerns of the patient relate to predictions about survival and control of symptoms. The clinician taking care of the patient may wonder what is the utility or futility of home parenteral nutrition (HPN) in both the individual with advanced cancer and in this population of patients at large, whether there is potential for harm such as increasing the burden of care or prolonging suffering, and how to optimize care and communication with the patient and their families. The nutrition scientist may want to know what the implications of advanced cancer are on nutrient requirements and utilization, whether there are markers that would differentiate between cachexia and simple starvation, and whether it is possible to use specific nutrients to modify the disease process. This review will provide insights into the understanding of the role of HPN in advanced cancer and opportunities for further investigation.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,036
Tête enseignante GPT0,338
Écart entre enseignants0,302 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetClinical Nutrition and GastroenterologyTravaux en français237 207