MétaCan
Menu
Retour à la cohorte
Enregistrement W2317389609 · doi:10.3148/cjdpr-2014-009

Indicators of Pediatric Malnutrition in a Tertiary Care Hospital

2014· article· en· W2317389609 sur OpenAlexaffvenueabout
Bodil Katrine Larsen, Mila Luchak, Leslie Prenoslo, Vera C. Mazurak

Notice bibliographique

RevueCanadian Journal of Dietetic Practice and Research · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensUniversity of AlbertaAlberta HealthAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésMedicineUnderweightMalnutritionMedical recordAnthropometryOverweightAuditPediatricsGrowth chartEmergency medicineBody mass indexSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: This study was conducted to determine the prevalence of malnutrition at a Canadian children's hospital based on medical records and to identify gaps in current practices and rates/reasons for dietitian consult. METHODS: A retrospective chart audit of patients admitted during a winter season was completed. Patients with length of stay <4 days were excluded, as were those with fluid retention diseases. Outcome variables included anthropometrics, diet order, rates and reasons for dietitian consult, and biochemical data. RESULTS: Of the 83 charts reviewed (mean ± SD age 7.3 ± 5.6 years of age), weights were recorded less frequently than recommended (45% of patients ≤2 years of age and 85% of patients >2 years of age met or exceeded recommendations). Twenty-nine (36%) patients were identified at potential increased nutrition risk for overweight, 10 (12%) for underweight, and 31 (38%) patients had nutrition-related chart notes. Only 23 patients (28%) received a dietitian consult and, of those, 21 had a nutrition related chart note. Consultation occurred an average 5.4 ± 4.96 days after admission. CONCLUSIONS: These data emphasize the need for development of standardized screening and assessment tools to better identify pediatric patients at risk for malnutrition and to improve access to optimal nutrition care.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,314
Score d'incertitude au seuil0,632

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,035
Tête enseignante GPT0,394
Écart entre enseignants0,359 · 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'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

Citations6
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Dietetic Practice and ResearchMême sujetNutrition and Health in AgingTravaux en français237 207