Systematic review with meta‐analysis: Nutritional screening and assessment tools in cirrhosis
Notice bibliographique
Résumé
BACKGROUND & AIMS: Disease-related malnutrition is common in cirrhosis. Multiple studies have evaluated nutritional screening tools (NSTs, rapid bedside tests targeting who needs assessment) and nutritional assessment tools (NATs, used in diagnosing malnutrition) as predictors of clinical outcome in this population. We performed a systematic review and meta-analysis of this literature with the aim of summarising the varying definitions of malnutrition across studies, the available evidence for NSTs and the ability of NSTs and NATs to predict clinical outcomes in cirrhosis. METHODS: The primary outcome measures were pre- and post-transplant mortality with a range of secondary outcomes. Inclusion: cirrhosis over age 16. Exclusion: >25% with hepatocellular carcinoma, primarily laboratory test-based NATs or lack of screening, assessment or outcome criteria. RESULTS: Eight thousand eight hundred fifty patients were included across 47 studies. Only 3 studies assessed NSTs. Thirty-two definitions for malnutrition were utilised across studies. NATs predicted pre-transplant mortality in 69% of cases that were assessed with a risk ratio (RR) of 2.38 (95% CI 1.96-2.89). NATs were prognostic for post-transplant mortality only 28% of the times they were assessed, with a RR of 3.04 (95% CI 1.51-6.12). CONCLUSIONS: The cirrhosis literature includes limited data on nutrition screening and multiple definitions for what constitutes malnutrition using NATs. Despite this discordance, it is clear that malnutrition is a valuable predictor of pre-transplant mortality almost regardless of how it is defined. We require clinical and research consensus around the definition of malnutrition and the accepted processes and cut-points for nutrition screening and assessment in cirrhosis.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».