Nurses' Perceptions Regarding the Prevalence, Detection, and Causes of Malnutrition in Canadian Hospitals
Notice bibliographique
Résumé
OBJECTIVES: Given the high prevalence of malnutrition in hospitalized patients, nurses frequently encounter patients with significantly impaired nutrition status. The objective of this study was to determine nurses' attitudes and perceptions regarding the prevalence, detection, and causes of malnutrition in Canadian tertiary care and community hospitals. MATERIALS AND METHODS: In this descriptive study, a survey that focused on guidelines for nutrition support of hospitalized patients was completed by Canadian nurses working on medical and surgical wards in 11 hospitals participating in the Canadian Malnutrition Task Force study. RESULTS: The survey was completed by 346 of 723 nurses (response rate 48%). Over 50% of nurses underestimated the documented prevalence of malnutrition in hospitalized patients. Nurses considered identification of malnourished patients very relevant (mean 8.4 on a 10-point scale) and would integrate a 3-question nutrition screen into their admission histories (92.5%). Nurses perceived lack of assistance with eating as a significant contributor to hospital malnutrition (17% felt this was a major contributor). While only 39% of nurses reported access to nutrition-related education, 92% were interested in receiving this form of updating. CONCLUSIONS: Nurses consider nutrition assessment important and relevant and require access to training to improve their capacity to detect malnutrition in their patients. Nurses are vital to the nutrition care of hospitalized patients and are well positioned to screen for nutrition risk and assist in nutrition management. The role of nurses in nutrition care needs to be linked to hospital policy.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».