Use of Bedside Ultrasound to Assess Muscle Changes in the Critically Ill Surgical Patient
Notice bibliographique
Résumé
BACKGROUND: Critical illness causes hypercatabolism, loss of lean body mass (LBM), and poor outcomes. Evaluating LBM in the critically ill is challenging, and it is uncertain whether nutrition support (NS) impacts LBM. This study measured quadriceps muscle layer thickness (QMLT) by bedside ultrasound (US) to estimate LBM changes in surgical intensive care unit (SICU) patients and healthy controls (HCs). METHODS: Trained RDNs measured QMLT via US at the midpoint and one-third distance between the superior margin of the patella and the anterior superior iliac spine. QMLT measurements were taken upon enrollment and repeated 1-2 times over 10 days. RESULTS: Fifty-two SICU patients and 15 HCs were enrolled. Average SICU percent QMLT loss per day at the midpoint and one-third landmarks was 3.2 ± 3.8 (P < 0.001) and 2.9 ± 5.7 (P = 0.001); and QMLT loss was higher between the second and third measurements (4.0 ± 8.0, P = 0.005 and 4.3 ± 9.8, P = 0.017 at the midpoint and one-third landmarks) compared with that at the first and second measurements (1.7 ± 9.2, P = 0.20 & 1.7 ± 9.4, P = 0.22). Changes were not associated with NS received. No significant QMLT change was found in HCs. CONCLUSIONS: SICU patients significantly lost QMLT over 10 days, with greater losses occurring after 5 days. These results support RDNs performing USs to detect QMLT changes and suggest this technique could be valuable to evaluate LBM changes in critically ill 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 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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».