Malnutrition Impacts Health‐Related Quality of Life in Cirrhosis: A Cross‐Sectional Study
Notice bibliographique
Résumé
Abstract Background To explore the influence of nourishment state measured by various nutrition assessment tools (NATs) on health‐related quality of life (HRQoL) in a pretransplant population with cirrhosis. Methods We collected demographic, nutrition assessment, and disease specific data on 81 patients. HRQoL was measured with the Short‐Form 36 and divided into 8 subscales. Significant relationships between NATs and HRQoL were examined using independent sample t ‐tests, χ 2 analyses, correlations, and multiple and logistic regression adjusted for age and gender. Results Study mean age was 54.2 years (SD 10.4 years), and 57% were male. Subjective Global Assessment (SGA) was significantly related to all HRQoL subscales, except bodily pain and mental health. In the adjusted regression models, general health, vitality, and social functioning were all significantly lower in patients with poorer nutrition status measured using SGA (adjusted R 2 = 11%, β = −0.34, p < 0.01; adjusted R 2 = 8%, β = −0.27, P < 0.05; and adjusted R 2 = 12%, β = −0.38, P < 0.01, Q4 respectively). Physical functioning improved as hand grip strength increased (adjusted R 2 = 20%, β = 0.36, P < 0.01). MELDNa demonstrated a significant negative relationship with role‐emotional (adjusted R 2 = 3%, β = 0.25, P < 0.05), and mid‐arm circumference did not demonstrate any significant relationships with HRQoL. Conclusions Malnutrition assessed by SGA is associated with lower HRQoL in patients with cirrhosis. Future research should identify if nutrition interventions can effectively improve HRQoL in cirrhosis patients.
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 | 0,013 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,002 |
| 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 ».