Normal axillary thickness thresholds as a metric for nutritional status of children
Notice bibliographique
Résumé
INTRODUCTION: Childhood pneumonia is a major cause of death in the 3rd world, and undernourishment increases the severity of the condition. We considered axillary thickness as a simple measurement to evaluate nutritional status that can be performed simultaneously with lung ultrasound. Our goal was to determine the distribution of axillary thickness in a cohort of children to determine a threshold for malnutrition. METHODS: Clinical databases were scanned to identify chest computed tomograms (CT) in children between the ages of 0 and 5 years with non-debilitating disease. The bilateral axillary thicknesses of the cohort were determined using equivalent width, and these measurements were segmented by age, sex, and laterality to determine cutoff thresholds. Data was evaluated using single factor analysis of variance (ANOVA) and 5th percentile analysis to determine the lower bound thresholds of axillary thickness. RESULTS: 247 scans met inclusion criteria. ANOVA demonstrated no significant differences in the mean measurements in the 5 groups (p = 0.377). 95% confidence limits on the 5th percentile plots showed an axillary thickness of 1.5 cm was a reasonable threshold for malnutrition detection for all age groups and sexes except for males between 0 and 1 years old where a 1.1 cm threshold may be required. DISCUSSION: CT scans of the chests in a cohort of children without debilitating disease revealed a remarkably uniform axillary thickness threshold for malnutrition assessment of 1.5 cm. This suggests that there may be a threshold for nutritional assessment for children undergoing lung ultrasound scans for childhood pneumonia.
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 | 0,001 | 0,006 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».