Improving the Practice of Nutrition Therapy in the NRITLD Critically Ill Patients: An International Quality Improvement Project.
Notice bibliographique
Résumé
BACKGROUND: In previous decades several studies have been performed demonstrating that providing appropriate nutritional support to intensive care unit patients affects complications, time of mechanical ventilation, length of ICU stay, and risk of death. In this study we provided a report of nutrition statuses in Masih Daneshvari's ICU as compared to 156 ICUs from 20 countries that participated in an international nutrition survey. MATERIALS AND METHODS: All patients admitted to an intensive care unit during a specified one-month period who required artificial nutrition were included in this study. Characteristics of patients, performance of nutrition practices, and ICU outcomes were registered for all patients and compared with data from 156 other intensive care units from various countries around the world. RESULTS: Twenty patients, of which 11(55%) were males and 9(45%) were females, were included in this study. The median age was 50.5 yrs (IQR: 40.5-56.0). Seventeen (85%) of them had EN nutrition only, 2(10%) had PN nutrition only, and 1(5%) had both EN and PN nutrition during their stay in the ICU. The adequacy of calorie intake was 67.6% (vs. 61.1% in all 157 ICUs) and the adequacy of protein intake was 84.9% (vs. 56.7% in 157 ICUs). CONCLUSION: In our ICU, enteral feeding was superior to parenteral feeding. Also we considered early initiation of enteral feeding within 48 hours following ICU admission. We just used polymeric formula during this study. As a result of formula variation limits, we overestimated calories and protein needs. Glutamine and Selenium supplementations have not been used yet for patient in our ICU, regardless of their proven benefits in oxidative stress conditions like pulmonary diseases. Therefore, limited use of supplementations like selenium is inevitably among the disadvantages of Masih Daneshvari Hospital's ICU, which is a tertiary-care center for chronic pulmonary diseases.
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 | 0,014 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».