Primary Care Referral Perspectives in Pediatric Failure to Thrive and Outcomes From a Diagnostic Clinic
Notice bibliographique
Résumé
Background: Decades of data demonstrate the overwhelming rates of failure to thrive (FTT) nutritional causes (80-90%) even in patients with complex medical conditions and diagnoses. Primary care providers (PCPs), the initial FTT evaluators, have been underrepresented in the FTT literature, despite their pivotal role in overseeing management. Our purpose was to assess PCPs ’ FTT referral strategies and their concerns for their FTT patients referred to an academic pediatrician diagnostic clinic. Methods: We surveyed PCPs who referred FTT patients to a diagnostic clinic (the Diagnostic Referral Group (DRG)) for their main concern prompting referral, and next management if consult was unavailable. Chart review determined the hospitalization rates of FTT patients, and DRG interventions. Results: Of the 81 PCP responses, 66.7% were most concerned with an uncertain underlying diagnosis, contrasting with the 20.6% of patients that DRG providers suspected to have an organic etiology. PCPs ’ next preferable management was subspecialist referral (58.0%) and hospitalization (22.2%). DRG providers most commonly recommended nutritional interventions such as increasing caloric density, decreased snacking and juice, and structured meals for 72.4% of patients. Conclusions: This study suggests that FTT due to nutritional causes continues to be a challenging diagnosis for PCPs. More investigation is needed to identify interventions to empower primary providers to diagnose nutritional causes, such as practical standardized assessments to evaluate the nutritional and psychosocial FTT contributors. Int J Clin Pediatr. 2021;10(1):1-5 doi: https://doi.org/10.14740/ijcp419
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».