MétaCan
Menu
Retour à la cohorte
Enregistrement W3134319976 · doi:10.3389/fnut.2021.644723

Current Landscape of Nutrition Within Prehabilitation Oncology Research: A Scoping Review

2021· review· en· W3134319976 sur OpenAlexaff
Chelsia Gillis, Sarah Davies, Francesco Carli, Paul E. Wischmeyer, Stephen A. Wootton, Alan A. Jackson, Bernhard Riedel, Luise V. Marino, Denny Levett, Malcolm West

Notice bibliographique

RevueFrontiers in Nutrition · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensMcGill University
Organismes subventionnairesNational Institute for Health and Care Research
Mots-clésPrehabilitationCINAHLPsychological interventionMedicinePsychosocialMEDLINEIntervention (counseling)Randomized controlled trialPhysical therapyNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: Prehabilitation aims to improve functional capacity prior to cancer treatment to achieve better psychosocial and clinical outcomes. Prehabilitation interventions vary considerably in design and delivery. In order to identify gaps in knowledge and facilitate the design of future studies, we undertook a scoping review of prehabilitation studies to map the range of work on prehabilitation being carried out in any cancer type and with a particular focus on diet or nutrition interventions. Objectives: Firstly, to describe the type of prehabilitation programs currently being conducted. Secondly, to describe the extent to which prehabilitation studies involved aspects of nutrition, including assessment, interventions, implementation, and outcomes. Eligibility Criteria: Any study of quantitative or qualitative design that employed a formal prehabilitation program before cancer treatment (“prehabilitation” listed in keywords, title, or abstract). Sources of Evidence: Search was conducted in July 2020 using MEDLINE, PubMed, EMBASE, EMCARE, CINAHL, and AMED. Charting Methods: Quantitative data were reported as frequencies. Qualitative nutrition data were charted using a framework analysis that reflects the Nutrition Care Process Model: assessment, intervention, and monitoring/evaluation of the nutrition intervention. Results: Five hundred fifty unique articles were identified: 110 studies met inclusion criteria of a formal prehabilitation study in oncology. prehabilitation studies were mostly cohort studies (41%) or randomized-controlled trials (38%) of multimodal (49%), or exercise-only (44%) interventions that were applied before surgery (94%). Nutrition assessment was inconsistently applied across these studies, and often conducted without validated tools (46%). Of the 110 studies, 37 (34%) included a nutrition treatment component. Half of these studies provided the goal for the nutrition component of their prehabilitation program; of these goals, less than half referenced accepted nutrition guidelines in surgery or oncology. Nutrition interventions largely consisted of counseling with dietary supplementation. The nutrition intervention was indiscernible in 24% of studies. Two-thirds of studies did not monitor the nutrition intervention nor evaluate nutrition outcomes. Conclusion: Prehabilitation literature lacks standardized and validated nutritional assessment, is frequently conducted without evidence-based nutrition interventions, and is typically implemented without monitoring the nutrition intervention or evaluating the intervention's contribution to outcomes. We suggest that the development of a core outcome set could improve the quality of the studies, enable pooling of evidence, and address some of the research gaps identified.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,040
score de la tête « metaresearch » (Gemma)0,126
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,213

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0400,126
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0070,004
Bibliométrie0,0360,040
Études des sciences et des technologies0,0030,003
Communication savante0,0130,011
Science ouverte0,0030,005
Intégrité de la recherche0,0060,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,242
Tête enseignante GPT0,536
Écart entre enseignants0,293 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations69
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NutritionMême sujetNutrition and Health in AgingTravaux en français237 207