The role of preoperative optimization of the nutritional status on the improvement of short‐term outcomes after liver transplantation? A review of the literature and expert panel recommendations
Notice bibliographique
Résumé
BACKGROUND: Malnutrition is a known risk factor for postoperative morbidity and mortality in patients awaiting liver transplantation (LT). Malnutrition is a potentially reversible risk factor, though there are no clear guidelines on the best mechanism for an improvement. It also remains unclear if preoperative nutritional interventions have benefits to post-transplant outcomes for transplant recipients. OBJECTIVES: Primary objective: To identify if preoperative optimization of nutritional status is associated with improved short-term outcomes after LT. SECONDARY OBJECTIVES: To determine if preoperative improvement of malnutrition improves short-term outcomes after LT, as well as if weight loss in obese patients affects short-term outcomes after LT. DATA SOURCES: Ovid MEDLINE, Embase, Scopus, Google Scholar, and Cochrane Central. METHODS: Systematic review following PRISMA guidelines and recommendations using the GRADE approach derived from an international expert panel. POSPERO Protocol ID: CRD42021237450 RESULTS: 3851 records were identified in searching the databases, 3843 records were excluded by not fulfilling eligibility criteria. Seven full-text articles were included for the final analysis of which three were randomized controlled trials, one was prospective observational studies, and three were retrospective observational studies. No appreciable difference in mortality, post-transplant complication rate was noted across the studies. Length of stay (LOS) was noted to be shorter in two observational studies of Vitamin D deficiency in liver transplant patients. CONCLUSIONS: We have made a weak recommendation supporting pre-transplant nutritional supplementation due to possible benefit in reducing LOS as well as the lack of harm (Quality of Evidence low | Grade of Recommendation; Weak). No effective conclusions were reached for the secondary objectives due to the conflicting evidence.
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 | 0,060 | 0,122 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,011 |
| Bibliométrie | 0,013 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,009 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; 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 ».