Food Service Workers: Reliable Assessors of Food Intake in Hospitalized Patients
Notice bibliographique
Résumé
Early detection of malnutrition in hospitalized patients is of paramount importance. As poor food intake is a marker of malnutrition risk, a simple and accurate method to monitor intake is valuable. This quality assurance project aimed to determine if food service workers (FSW) were able to provide accurate estimates of patient intakes through visually assessing meal trays at an acute care hospital. FSW conducted visual estimates of patient trays after meals using the meal plate pictorial rating scale adapted from the My Meal Intake Tool and translated their estimates into one of 5 consumption levels (0%, 25%, 50%, 75%, or 100%). A total of 401 patient meal estimates were validated using the food weighing method. Spearman's correlations between percent calories consumed (determined by weight) and estimates by FSW were 0.624 (n = 137, P < 0.001), 0.771 (n = 134, P < 0.001), and 0.829 (n = 130, P < 0.001), for breakfast, lunch, and supper, respectively. Paired Wilcoxon tests and the Kruskal-Wallis H test showed that accuracy varied for breakfast, lunch, and supper. The overall sensitivity and specificity of FSW for detecting patient intake ≤50% was 81% and 88%, respectively. These findings identify that FSW can accurately estimate patient intake, contributing an important marker for the detection of malnutrition.
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 | 0,004 | 0,020 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».