Neonatal Morbidity Count Is Associated With a Reduced Likelihood of Achieving Recommendations for Protein, Lipid, and Energy in Very Low Birth Weight Infants: A Prospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Serious morbidity may elevate nutrient requirements and affect adherence to feeding guidelines for very low birth weight (VLBW) infants. An understanding of factors affecting nutrient intakes of VLBW infants will facilitate development of strategies to improve nutrient provision. Our aim was to examine the impact of neonatal morbidity count on achieving recommended nutrient intakes in VLBW infants. METHODS: VLBW infants enrolled in the Donor Milk for Improved Neurodevelopmental Outcomes trial (ISRCTN35317141, n = 363) were included. Serious morbidities and daily parenteral and enteral intakes were collected prospectively. RESULTS: Median intakes of infants with and without ≥1 morbidity met protein recommendations (3.5-4.5 g/kg/d) by week 2, although not maintained after week 4. Infants with ≥1 morbidity (vs without) were 2 weeks slower in achieving lipid (4.8-6.6 g/kg/d; week 4 vs 2) and energy (110-130 kcal/kg/d; week 5 vs 3) and 1 week slower in achieving carbohydrate recommendations (11.6-13.2 g/kg/d; week 4 vs 3). Adjusted hazard ratios of first achieving recommendations on any given day in infants with any 1 or 2 morbidities were 0.6 (95% confidence interval [CI], 0.5-0.9) and 0.6 (0.4-0.9), respectively, for protein; 0.5 (0.4-0.7) and 0.3 (0.2-0.5) for lipid; and 0.5 (0.4-0.7) and 0.3 (0.2-0.4) for energy. CONCLUSION: Morbidity is associated with a decreased likelihood of achieving lipid and consequently energy recommendations. This and the decline in protein intakes after the early neonatal period require further investigation to ensure optimal nutrition in this vulnerable population.
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) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».