MétaCan
Menu
Retour à la cohorte
Enregistrement W2089485576 · doi:10.1002/pbc.21415

Assessment of protein nutritional status in children

2007· review· en· W2089485576 sur OpenAlexaff
Paul B. Pencharz

Notice bibliographique

RevuePediatric Blood & Cancer · 2007
Typereview
Langueen
DomaineMedicine
ThématiqueBody Composition Measurement Techniques
Établissements canadiensUniversity of TorontoSickKids FoundationHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMedicineLean body massTransferrinAlbuminBody mass indexBlood proteinsNitrogen balancePhysiologySerum albuminBody weightInternal medicineEndocrinologyChemistry

Résumé

récupéré en direct d'OpenAlex

When considering the effects of disease on nutritional status it is useful to think of the body consisting of lean mass and fat mass. The latter relates to energy status and the former to protein nutritional status. In addition, childhood growth in length/height is to a high degree dependent upon having an adequate protein intake. If insufficient non-protein energy is fed, then protein is used to help meet energy needs. Hence achieving an optimum protein nutritional status also requires receiving sufficient energy. Assessment of protein nutritional status starts with measurement of length/height and weight in relationship to growth standards. Next comes using mid-upper arm parameters in which the measurement of muscle area or circumference is a reflection of protein nutritional status while triceps skin-fold thickness is a measurement of energy status. Serum albumin remains the number one short term parameter reflecting protein nutritional status followed by serum transferrin. Plasma amino acid profiles can be measured but are mostly dependent on recent dietary intake and so are hard to interpret. Classically, nitrogen balance has been used as a reflection of dietary protein intake. While it has been used extensively on a research basis its clinical applicability is limited.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,048
Tête enseignante GPT0,397
Écart entre enseignants0,348 · 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'étudeRevue systématique
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

Citations21
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePediatric Blood & CancerMême sujetBody Composition Measurement TechniquesTravaux en français237 207