A Nursing Survey on Nutritional Care Practices in French‐Speaking Pediatric Intensive Care Units
Notice bibliographique
Résumé
OBJECTIVES: Malnutrition in critically ill children contributes to morbidity and mortality. The French-speaking pediatric intensive care nutrition group (NutriSIP) aims to promote optimal nutrition through education and research. METHODS: The NutriSIP-designed NutriRéa-Ped study included a cross-sectional survey. This 62-item survey was sent to the nursing teams of all of the French-speaking pediatric intensive care units (PICUs) to evaluate nurses' nutrition knowledge and practices. One nurse per PICU was asked to answer and describe the practices of their team. RESULTS: Of 44 PICUs, 40 responded in Algeria, Belgium, Canada, France, Lebanon, Luxemburg, and Switzerland. The majority considered nutrition as a priority care but only 12 of the 40 (30%) had a nutrition support team, 26 of the 40 (65%) had written nutrition protocols, and 19 of 39 (49%) nursing teams felt confident with the nutrition goals. Nursing staff generally did not know how to determine nutritional requirements or to interpret malnutrition indices. They were also unaware of reduced preoperative fasting times and fast-track concepts. In 17 of 35 (49%) PICUs, the target start time for enteral feeding was within the first 24 hours; however, frequent interruptions occurred because of neuromuscular blockade, fasting for extubation or surgery, and high gastric residual volumes. Combined pediatric neonatal intensive care units were less likely to perform systematic nutritional assessment and to start enteral nutrition rapidly. CONCLUSIONS: We found a large variation in nursing practices around nutrition, exacerbated by the lack of nutritional guidelines but also because of the inadequate nursing knowledge around nutritional factors. These findings encourage the NutriSIP to improve nutrition through focused education programs and research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».