Development of a Universal Nutritional Screening Platform for Plastic Surgery Patients
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
Plastic surgeons routinely see patients with complex or chronic wounds of all etiology. In a previous study, we found that up to 1 in 4 of these patients is at risk for malnutrition, which may be influencing their ability to heal. The goal of this study was to develop and validate a universal screening protocol that would be fast and accurate and allow for effective intervention and optimization of nutrition before plastic surgery. METHODS: To accomplish these goals, we adopted a 2-part screening algorithm using the Canadian Nutritional Screening Tool (CNST) to triage patients in our outpatient clinics and then further screened those identified as being at risk using the Subjective Global Assessment (SGA) tool and blood work. RESULTS: We screened 111 patients with diagnoses related to breast cancer (n = 10; 9.01%), elective surgery (n = 38; 34.23%), emergency surgery (n = 8; 7.21%), fractures (n = 15; 13.51%), and wounds (n = 40; 36.04%). Of the screened subjects, 15.32% (n = 17) were found to be at nutritional risk using the CNST, and 13 were confirmed to be moderately or severely malnourished using the SGA. Importantly, there were no positive correlations between nutritional status and smoking, diabetes, body mass index, or age, indicating that a universal screening protocol is needed to effectively screen a diverse plastic surgery population for malnutrition. CONCLUSIONS: Screening patients with both the CNST and the SGA is an effective way to identify patients before surgery to improve outcomes.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découle