High prevalence of malnutrition among elderly veterans in home based primary care
Notice bibliographique
Résumé
INTRODUCTION: Elderly Veterans enrolled in VA Home Based Primary Care (HBPC) programs suffer from many diseases including malnutrition. Nutrition screening tools exist in the VA system but they are inconsistently utilized across ambulatory care programs and are neither research validated nor comparable with non-VA populations. The Mini-Nutritional Assessment short-form (MNA-SF) has been validated in international studies in a variety of settings. The primary aim of this study was to find the prevalence of malnutrition among Veterans enrolled in HBPC programs. The secondary objective was to determine the feasibility of adopting a validated nutrition screening tool (Mini-Nutritional Assessment short-form (MNA-SF)). METHODS: 2252 veterans age 65 and older from 18 HBPC programs from across the country participated in the study. The study period was between April and September 2012. WinPepi (version 11.25) was used for descriptive analysis. RESULTS: We found that the prevalence of malnutrition was 15% (344/2252) and the prevalence of at risk for malnutrition was 40.3% (909/2252). DISCUSSION: The MNA-SF is an efficient nutrition screening tool and it can be successfully used for the elderly veterans. The prevalence of malnutrition among veterans was high compared to the community dwelling U.S. civilian elderly population. By preventing and treating malnutrition, health care systems should be able to reduce overall health care costs.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».