Malnutrition or frailty? Overlap and evidence gaps in the diagnosis and treatment of frailty and malnutrition
Notice bibliographique
Résumé
There is increasing awareness of the detrimental health impact of frailty on older adults and of the high prevalence of malnutrition in this segment of the population. Experts in these 2 arenas need to be cognizant of the overlap in constructs, diagnosis, and treatment of frailty and malnutrition. There is a lack of consensus regarding the definition of malnutrition and how it should be assessed. While there is consensus on the definition of frailty, there is no agreement on how it should be measured. Separate assessment tools exist for both malnutrition and frailty; however, there is intersection between concepts and measures. This narrative review highlights some of the intersections within these screening/assessment tools, including weight loss/decreased body mass, functional capacity, and weakness (handgrip strength). The potential for identification of a minimal set of objective measures to identify, or at least consider risk for both conditions, is proposed. Frailty and malnutrition have also been shown to result in similar negative health outcomes and consequently common treatment strategies have been studied, including oral nutritional supplements. While many of the outcomes of treatment relate to both concepts of frailty and malnutrition, research questions are typically focused on the frailty concept, leading to possible gaps or missed opportunities in understanding the effect of complementary interventions on malnutrition. A better understanding of how these conditions overlap may improve treatment strategies for frail, malnourished, older adults.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».