Translating Evidence-Based Guidelines into Practice—Are We Getting It Right? A Multi-Centre Prospective International Audit of Nutrition Care in Patients with Foregut Tumors (INFORM)
Notice bibliographique
Résumé
Malnutrition is highly prevalent in patients with foregut tumors comprising head and neck (HNC) and esophageal (EC) cancers, negatively impacting outcomes. International evidence-based guidelines (EBGs) for nutrition care exist; however, translation of research evidence into practice commonly presents considerable challenges and consequently lags. This study aimed to describe and evaluate current international nutrition care practices compared with the best-available evidence for patients with foregut tumors who are at high risk of malnutrition. A multi-centre prospective cohort study enrolled 170 patients commencing treatment of curative intent for HNC (n = 119) or EC (n = 51) in 11 cancer care settings in North America, Europe and Australia between 2016 and 2018. Adherence criteria were derived from relevant EBG recommendations with pooled results for participating centres reported according to the Nutrition Care Model at either system or patient levels. Adherence to EBG recommendations was: good (≥80%) for performing baseline nutrition screening and assessment, perioperative nutrition assessment and nutrition prescription for energy and protein targets; moderate (≥60 to 80%) for utilizing validated screening and assessment tools and pre-radiotherapy dietitian consultation; and poor (60%) for initiating post-operative nutrition support within 24 h and also dietetic consultation weekly during radiotherapy and fortnightly for 6 weeks post-radiotherapy. In conclusion, gaps in evidence-based cancer nutrition care remain; however, this may be improved by filling known evidence gaps through high-quality research with a concurrent evolution of EBGs to also encompass practical implementation guidance. These should aim to support multidisciplinary cancer clinicians to close evidence–practice gaps throughout the patient care trajectory with clearly defined roles and responsibilities that also address patient-reported concerns.
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 | 0,150 | 0,339 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».