Assessment of Nutritional Status Based on STRONGkids Tool in Iranian Hospitalized Children
Notice bibliographique
Résumé
Background & Objective: Malnutrition is very common in hospitalized children and is associated with related clinical consequences such as increased risk of infections, increased muscle loss, impaired wound healing, longer hospital stay and higher morbidity and mortality. The estimated prevalence of acute malnutrition in hospitalized children varies from 6.1 to 40.9% in different countries. The current study was conducted with the aim of evaluating the efficiency of STRONGkids (Screening Tool for Risk On Nutritional Status and Growth) tool for assessing malnutrition in hospitalized children in Iran. Methods: All children older than 28 days admitted to the pediatric hospital (Dr. Sheikh, Mashhad, Iran) were enrolled in this study and the screening tool named STRONGkids was applied for them. The anthropometric measurements were measured by a trained operator using standard methods and equipments. The children were classified in three groups of being at high risk, moderate risk and low risk of malnutrition. Results: According to STRONGkids score; 17% of children were classified as low risk, 75% as moderate risk and 8% as high risk group. According to WFH, HFA and WFA z-scores31.4%, 19.2% and 28% of children were identified as moderately and severely malnourished respectively. According to MUAC cut-offs, 3.4% of children were classified as having moderate malnutrition and there was no child with severe malnutrition. Conclusion: It is very important to recognize the nutritional status of the children as early as possible because of its effects on children’s growth. Therefore, evaluating the nutritional status of the hospitalized children is an essential step in clinical assessment. We suggest to apply the STRONGkids score aside with other clinical and anthropometric data.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».