<scp>Systematised, Interdisciplinary Malnutrition Program for impLementation and Evaluation</scp> delivers improved hospital nutrition care processes and patient reported experiences – An implementation study
Notice bibliographique
Résumé
AIM: Models of hospital malnutrition care reliant on dietitians can be inefficient and of limited effectiveness. This study evaluated whether implementing the Systematised, Interdisciplinary Malnutrition Program for impLementation and Evaluation (SIMPLE) improved hospital nutrition care processes and patientreported experiences compared with traditional practice. METHODS: A multi-site (five hospitals) prospective, pre-post study evaluated the facilitated implementation of SIMPLE, a malnutrition care pathway promoting proactive nutrition support delivered from time of malnutrition screening by the interdisciplinary team, without need for prior dietetic assessment. Implementation was tailored to local site needs and resources. Nutrition care processes delivered to inpatients who were malnourished or at-risk of malnutrition were identified across diagnosis, intervention, and monitoring domains using standardised audits from medical records, foodservice systems and patient-reported nutrition experience measures. RESULTS: Pre-implementation (n = 365) and post-implementation (n = 397) cohorts were similar for age (74 vs 73 years), gender (47.1% vs 48.6% female), and nutrition risk status (46.6% vs 45.3% at-risk). Post-implementation, at-risk participants were more likely to receive enhanced food and fluids (68.5% vs 83.9%; P < .01), nutrition information (30.9% vs 47.2%; P < .01), mealtime assistance where required (61.4% vs 77.9% P = .04), nutrition monitoring (25.2% vs 46.3%; P < .01) and care planning (17.8% vs 27.7%; P = .01). Patient-reported nutrition experience measures confirmed improved nutrition care. There was no difference in dietetic occasions of service per patient (1.51 vs 1.25; P = .83). CONCLUSIONS: Tailored SIMPLE implementation improves nutrition care processes and patient reported nutrition experience measures for at-risk inpatients within existing dietetic resources.
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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».