MétaCan
Menu
Retour à la cohorte
Enregistrement W2394600582 · doi:10.1177/0148607116651063

Evaluation of Bioelectrical Impedance Analysis in Critically Ill Patients: Results of a Multicenter Prospective Study

2016· article· en· W2394600582 sur OpenAlexaff
Adam J. Kuchnia, Carrie P. Earthman, Levi Teigen, Abigail Cole, Marina Mourtzakis, Michael T. Paris, Peter J.M. Weijs, Heleen Oudemans‐van Straaten, Gregory J. Beilman, Andrew G. Day, Roger Leung, Charlene Compher, Rupinder Dhaliwal, Sarah J. Peterson, Hannah Roosevelt, Daren K. Heyland

Notice bibliographique

RevueJournal of Parenteral and Enteral Nutrition · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueBody Composition Measurement Techniques
Établissements canadiensKingston General HospitalClinical Evaluation Research UnitQueen's UniversityUniversity of Waterloo
Organismes subventionnairesNational Institute of Food and AgricultureU.S. Department of Agriculture
Mots-clésBioelectrical impedance analysisMedicineBody mass indexLogistic regressionReceiver operating characteristicArea under the curveSarcopeniaInternal medicinePhase angle (astronomy)Dual-energy X-ray absorptiometryIntensive careProspective cohort studyNuclear medicineCardiologyIntensive care medicineOsteoporosis

Résumé

récupéré en direct d'OpenAlex

Background: In critically ill patients, muscle loss is associated with adverse outcomes. Raw bioelectrical impedance analysis (BIA) parameters (eg, phase angle [PA] and impedance ratio [IR]) have received attention as potential markers of muscularity, nutrition status, and clinical outcomes. Our objective was to test whether PA and IR could be used to assess low muscularity and predict clinical outcomes. Methods: Patients (≥18 years) having an abdominal computed tomography (CT) scan and admitted to intensive care underwent multifrequency BIA within 72 hours of scan. CT scans were landmarked at the third lumbar vertebra and analyzed for skeletal muscle cross‐sectional area (CSA). CSA ≤170 cm2 for males and ≤110 cm2 for females defined low muscularity. The relationship between PA (and IR) and CT muscle CSA was evaluated using multivariate regression and included adjustments for age, sex, body mass index, Charlson Comorbidity Index, and admission type. PA and IR were also evaluated for predicting discharge status using dual‐energy x‐ray absorptiometry–derived cut‐points for low fat‐free mass index. Results: Of 171 potentially eligible patients, 71 had BIA and CT scans within 72 hours. Area under the receiver operating characteristic (c‐index) curve to predict CT‐defined low muscularity was 0.67 (P ≤ .05) for both PA and IR. With covariates added to logistic regression models, PA and IR c‐indexes were 0.78 and 0.76 (P < .05), respectively. Low PA and high IR predicted time to live ICU discharge. Conclusion: Our study highlights the potential utility of PA and IR as markers to identify patients with low muscularity who may benefit from early and rigorous intervention.

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)0,005
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,005
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,028
Tête enseignante GPT0,335
Écart entre enseignants0,307 · 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

Citations88
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Parenteral and Enteral NutritionMême sujetBody Composition Measurement TechniquesTravaux en français237 207