MétaCan
Menu
Retour à la cohorte
Enregistrement W2164628062 · doi:10.1177/0148607113478192

Why Critically Ill Patients Are Protein Deprived

2013· article· en· W2164628062 sur OpenAlexaff
L. John Hoffer, Bruce R. Bistrian

Notice bibliographique

RevueJournal of Parenteral and Enteral Nutrition · 2013
Typearticle
Langueen
DomaineNursing
ThématiqueClinical Nutrition and Gastroenterology
Établissements canadiensMcGill UniversityJewish General Hospital
Organismes subventionnairesnon disponible
Mots-clésCritically illIntensive care medicineCritical illnessMalnutritionMedicineIntensive care unitProtein–energy malnutritionIntensive carePathology

Résumé

récupéré en direct d'OpenAlex

Critical illness dramatically increases muscle proteolysis and more than doubles the dietary protein requirement. Yet surprisingly, most critically ill patients receive less than half the recommended amount of protein during their stay in a modern intensive care unit. What could explain the wide gap between the recommendations in clinical care guidelines and actual clinical practice? We suggest that an important aspect of the problem is the failure of guidelines to explain the pathophysiology of protein-energy malnutrition and the ways critical illness modifies protein metabolism. The difficulty created by the lack of a framework for reasoning about appropriate protein provision in critical illness is compounded by the many ambiguous and often contradictory ways the word malnutrition is used in the critical care literature. Failing to elucidate these matters, the recommendations for protein provision in the guidelines are incoherent, unconvincing, and easy to ignore.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,486
Score d'incertitude au seuil0,539

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,016
Tête enseignante GPT0,268
Écart entre enseignants0,252 · 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 tête enseignante, 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

Citations55
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Parenteral and Enteral NutritionMême sujetClinical Nutrition and GastroenterologyTravaux en français237 207