Prospective Study on Energy Expenditure in Patients With Severe Burns
Notice bibliographique
Résumé
BACKGROUND: Nutrition therapy is recognized as one of the most significant treatment aspects for burn patients. However, data were limited regarding the actual nutrition practices in patients with severe burn injury. This study aims to explore the measured energy expenditure (MEE) changes in severe burn patients and to evaluate the precision of commonly used predictive formulas for estimating predictive energy expenditure (PEE) in burn patients. METHODS: A prospective multicenter trial was conducted in the intensive care units in the hospitals enrolling the severely burned patients. Data on MEE and PEE were collected and analyzed. RESULTS: Forty-three patients were enrolled from 3 hospitals. All the patients had severe burns. MEE was measured by metabolic cart, and the MEE on the seventh day after severe burns was as high as 65 kcal/kg, which was 267% of the basal metabolic rate. The presence of hypermetabolism was sustained throughout the 21-day afterburn and decreased gradually to 34 kcal/kg thereafter until 4 weeks after injury. Wound percentage after skin-grafting therapy, time course of burn injury, the existence of severe sepsis, and blood infection were significantly associated with higher MEE. Compared with PEE and MEE, Toronto formula could estimate patients' energy requirements with more accuracy; Curreri and Pennisi formula both significantly overestimated the patient's energy expenditure, whereas underestimation occurred with the Harris-Benedict formula. CONCLUSIONS: Severe burn patients were hypermetabolic at the early stage and sustained this status over a long time. The Toronto formula was the unbiased method to predict energy expenditure.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».