Identifying critically ill patients who benefit the most from nutrition therapy: the development and initial validation of a novel risk assessment tool
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: To develop a scoring method for quantifying nutrition risk in the intensive care unit (ICU). METHODS: A prospective, observational study of patients expected to stay > 24 hours. We collected data for key variables considered for inclusion in the score which included: age, baseline APACHE II, baseline SOFA score, number of comorbidities, days from hospital admission to ICU admission, Body Mass Index (BMI) < 20, estimated % oral intake in the week prior, weight loss in the last 3 months and serum interleukin-6 (IL-6), procalcitonin (PCT), and C-reactive protein (CRP) levels. Approximate quintiles of each variable were assigned points based on the strength of their association with 28 day mortality. RESULTS: A total of 597 patients were enrolled in this study. Based on the statistical significance in the multivariable model, the final score used all candidate variables except BMI, CRP, PCT, estimated percentage oral intake and weight loss. As the score increased, so did mortality rate and duration of mechanical ventilation. Logistic regression demonstrated that nutritional adequacy modifies the association between the score and 28 day mortality (p = 0.01). CONCLUSIONS: This scoring algorithm may be helpful in identifying critically ill patients most likely to benefit from aggressive nutrition therapy.
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.
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 | 0,001 |
| 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 découle