Impact of nationwide essential trace element shortages: A before‐after, single‐center analysis of hospitalized adults receiving home parenteral nutrition therapy
Notice bibliographique
Résumé
BACKGROUND: Recent data on the prevalence of essential trace element (ETE) deficiencies in home parenteral nutrition (HPN) patients are scarce. We investigated whether ETE deficiencies are still an important issue for HPN patients and whether the prevalence of such deficiencies may be influenced by nationwide drug shortages. METHODS: We conducted a single-institution, retrospective analysis from 2006 to 2015 of hospitalized HPN patients who continued PN during and in between hospitalizations. In subgroup analysis, patients were dichotomized as those with HPN duration <1 vs ≥1 year. Zinc (Zn), copper (Cu), and selenium (Se) levels were abstracted for patients over the study period. Prevalence of ETE deficiency was compared using chi-squared test for patients hospitalized during nonshortage vs shortage (2011-2014) periods. RESULTS: Ninety-six patients were included in the analysis. Prevalence of ETE deficiency during nonshortage vs shortage periods was 48% vs 54% (Zn), 15% vs 21% (Cu), and 24% vs 48% (Se; P = .01), respectively. When comparing patients who received HPN <1 year vs ≥1 year, the prevalence of Se deficiency doubled during shortage in both subgroups (24% to 42% vs 26% to 49%); and Cu deficiency tripled during shortage period in the group receiving HPN ≥1 year (5% to 16%). CONCLUSION: ETE deficiency is prevalent in hospitalized HPN patients and was exacerbated during nationwide shortages of parenteral supplements. Statistical significance may be limited by small sample size. Future studies are needed to determine optimal ETE supplementation strategies for minimizing the impacts of nationwide drug shortages on HPN patients.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».