[ID 54107] O NUTRITION IMPACT SYMPTOMS (NIS) PODE SER UTILIZADO COMO UM INSTRUMENTO DE TRIAGEM NUTRICIONAL EM PACIENTES COM DOENÇA RENAL CRÔNICA NA POPULAÇÃO BRASILEIRA?
Notice bibliographique
Résumé
Objetivo: Adaptar e validar o uso da ferramenta Nutritional Impact Symptoms (NIS) como instrumento de triagem nutricional em indivíduos com DRC na população brasileira. Metodologia: Estudo do tipo transversal desenvolvido em um Hospital Universitário, baseado nos procedimentos de validação sugeridos por Beaton et al. (2000), American Educational Research Association, American Psychological Association e National Council on Measurement in Education (2014) e revisados por Muñiz, Elosua e Hambleton (2013). Resultados: Para a validação do NIS, utilizando-se a Avaliação Subjetiva Global (ASG) como padrão, foram realizadas as análises sequenciais, obtendo-se um coeficiente da correlação de Spearman classificado como moderado (ρ=0,51; p<0,001); um erro típico da medida absoluto de 0,46 e relativo de 30%; coeficiente de variação de 15% e ausência de diferenças entre avaliações médias (p=0,497). Embora a classificação entre o NIS e a ASG original tenham apresentado uma moderada correlação, sem diferenças entre as médias e um erro sistemático baixo, a concordância entre as variáveis apresentou uma amplitude alta no erro aleatório. Conclusão: A NIS foi adaptada, mas não validada para o público com doença renal em âmbito hospitalar, necessiatndo de uma avaliação com um maior número de pacientes para poder ser utilizada como parte de protocolos de avaliação nutricional com objetivo de rastreio da presença de desnutrição e posterior avaliação aprofundada da mesma.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».