MétaCan
Menu
Retour à la cohorte
Enregistrement W2900629446 · doi:10.3148/cjdpr-2018-033

Nutrition Care of Critically Ill Patients with Leukemia: A Retrospective Study

2018· article· en· W2900629446 sur OpenAlexaffvenue
Kristen MacEachern, Alan Kraguljac, Sangeeta Mehta

Notice bibliographique

RevueCanadian Journal of Dietetic Practice and Research · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueClinical Nutrition and Gastroenterology
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCritically illMedicineIntensive care medicineRetrospective cohort studyLeukemiaInternal medicine

Résumé

récupéré en direct d'OpenAlex

Adults with acute leukemia (AL) are at high risk of malnutrition due to their disease and treatment side effects and may be admitted to the intensive care unit (ICU), further increasing the risk of malnutrition. Although ICU care includes some form of nutrition, patients typically receive less than prescribed energy and protein. Our objective was to characterize the nutrition care for critically ill patients with AL. We completed a retrospective review of adults with AL admitted to the Medical/Surgical ICU >24 hours. Descriptive statistics were performed on collected data including: demographics, APACHE II and Nutric scores, nutrition therapy, reasons for withholding nutrition, and mortality status at discharge. Data were collected on 154 AL patients with an average APACHE II score of 27 and Nutric score of 5.96. ICU mortality was 36%. Enteral nutrition (EN) was most commonly prescribed. Patients on EN received 55% of energy and 51% of protein prescribed. EN was commonly withheld for airway management and gastrointestinal impairment. Patients with AL received low amounts of energy and protein in the ICU and had a high Nutric score. Strategies and barriers to improve protein intake in this population are identified.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,386
Écart entre enseignants0,347 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Dietetic Practice and ResearchMême sujetClinical Nutrition and GastroenterologyTravaux en français237 207