MétaCan
Menu
Retour à la cohorte
Enregistrement W1982444339 · doi:10.3148/69.4.2008.171

<i>Defining Malnutrition Risk</i>For Older Home Care Clients

2008· article· en· W1982444339 sur OpenAlexaffvenue
Mary Ann Bocock, Heather Keller, Paula Brauer

Notice bibliographique

RevueCanadian Journal of Dietetic Practice and Research · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésMalnutritionMedicineFocus groupGerontologyMoodHealth carePsychiatry

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The Resident Assessment Instrument-Home Care (RAI-HC) is widely used to assess needs of home care clients and includes five items used to screen for malnutrition. This study involved defining malnutrition risk and identifying other items within the RAI-HC that might improve malnutrition screening among adults aged 65 or older receiving home care. METHODS: A literature review, three focus groups of community care access centre case managers (n=29), and five key informant interviews with registered dietitians were used to identify malnutrition risk factors and indicators. A nominal group (n=5) was used to rank RAI-HC malnutrition risk items. Data were charted and integrated to create the final list of potential risk factors. RESULTS: Seven malnutrition indicators (dietary intake, appetite, dysphagia, nutrition support, end-stage disease, weight status, and fluid intake) and seven risk factors (health status, functional ability, self-reported poor health, mood status, social function, cognitive performance, and trade-offs) were considered important concepts in the construct of malnutrition for older home care clients. CONCLUSIONS: These items identified through divergent methods form the basis for developing a screening-for-malnutrition-risk tool for home 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 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)0,005
score de la tête « metaresearch » (Gemma)0,015
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 enseignants0,990
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,099
Tête enseignante GPT0,430
Écart entre enseignants0,330 · 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

Citations21
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Dietetic Practice and ResearchMême sujetNutrition and Health in AgingTravaux en français237 207