Will We Ever Agree on Protein Requirements in the Intensive Care Unit?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The precise value of the normal adult protein requirement has long been debated. For many reasons-one of them being the difficulty of carrying out long-term nutrition experiments in free-living people-uncertainty is likely to persist indefinitely. By contrast, the controlled environment of the intensive care unit and relatively short trajectory of many critical illnesses make it feasible to use hard clinical outcome trials to determine protein requirements for critically ill patients in well-defined clinical situations. This article suggests how the physiological principles that underlie our understanding of normal protein requirements can be incorporated into the design of such clinical trials. The main focus is on 3 principles: (1) the rate of body nitrogen loss roughly predicts an individual's minimum protein requirement and is thus essential to measure to identify individual patients and clinical situations in which the minimum protein requirement is importantly increased, (2) existing muscle mass sets an upper limit on the rate at which amino acids can be mobilized from muscle for transfer to central proteins and sites of injury and is thus important to monitor to identify patients who are at greatest risk of protein deficiency-related adverse outcomes, and (3) negative energy balance increases the dietary protein requirement, so calorie-deprived patients-whether obese or not-should be enrolled in hard clinical outcome trials that compare the current practice of "permissive underfeeding" (underprovision of all nutrients, including protein) with hypocaloric nutrition supplemented by a suitably generous amount of protein.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle