MétaCan
Menu
Retour à la cohorte
Enregistrement W3048750570 · doi:10.2147/nds.s262364

<p>Nutrition Interventions Deliver Value in Healthcare: Real-World Evidence</p>

2020· article· en· W3048750570 sur OpenAlexaff
Suela Sulo, Leah Gramlich, J. Brockman Benjamin, Sharon M. McCauley, Jan Powers, Krishnan Sriram, Kristi Mitchell

Notice bibliographique

RevueNutrition and Dietary Supplements · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésValue (mathematics)Real world evidenceHealth carePsychological interventionMedicineInternal medicineNursingPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract: Value is a key guiding principle in healthcare, yet value is defined in varying ways by different stakeholders. In this paper, we review evidence of the health and financial tolls of malnutrition or poor nutrition, report positive results from recent nutrition-focused quality improvement programs in hospitals, and discuss clinical and policy implications of realizing best-practice nutrition care. Hospitalized patients with malnutrition diagnoses have up to two-fold greater hospital costs for care compared to inpatient stays for adequately nourished patients. By contrast, implementation of nutrition care programs for hospitalized adults (nutrition status screening, assessment and diagnosis of malnutrition, oral nutritional supplements provided when indicated) is associated with substantial per-patient, per-episode healthcare savings approaching $4,000. Improved nutrition care has also been associated with fewer complications and faster recovery (shortened lengths of stay, lower readmission rates). Nutrition care thus delivers value, which is evidenced by better patient outcomes at cost savings to healthcare systems. Keywords: nutrition, value, healthcare, real-world evidence, quality improvement programs

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,506
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,148
Tête enseignante GPT0,396
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrition and Dietary SupplementsMême sujetNutrition and Health in AgingTravaux en français237 207