Screening for Pediatric Malnutrition at Hospital Admission: Which Screening Tool Is Best?
Notice bibliographique
Résumé
BACKGROUND: Identifying children at malnutrition risk on admission to hospital is considered best practice; however, nutrition screening in pediatric populations is not common. The aim of this study was to determine which screening tool is able to identify children with malnutrition on admission to hospital. METHODS: A nurse administered 2 pediatric nutrition screening tools, Screening Tool for Risk on Nutritional Status and Growth (STRONGkids) and Pediatric Nutrition Screening Tool (PNST) to patients admitted to medicine and surgery units (n = 165). The Subjective Global Nutritional Assessment (SGNA) was then completed by a dietitian, blinded to the results of the screens. Sensitivity, specificity, and κ were calculated for both screening tools against the SGNA. A receiver operating characteristic (ROC) curve assessed alternate cutoffs for each tool. Length of hospital stay (LOS) was used to assess prospective validity. RESULTS: Using the recommended cutoffs, the sensitivity of STRONGkids was 89%, specificity 35%, and κ 0.483. The sensitivity of PNST was 58%, specificity 88%, and κ 0.601. Using adjusted cutoffs, PNST's sensitivity improved to 87%, specificity 71%, and κ 0.681, and STRONGkids specificity improved to 61%, sensitivity 80%, and κ 0.5. Children identified at nutrition risk had significantly longer LOS (P < 0.05). CONCLUSION: This study showed neither tool was appropriate for clinical use based on published cutoffs. By adjusting the cutoffs using ROC curve analysis, both tools improved overall agreement with the SGNA without significantly impacting the prospective validity. PNST with adjusted cutoffs is the most appropriate for clinical use in this population.
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 | 0,006 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 | 0,000 |
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 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 ».