Update to the pediatric Subjective Global Nutritional Assessment (SGNA)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Lack of a standardized method of identifying and defining pediatric malnutrition has led to an inability to fully understand the prevalence of and impact that malnutrition has on pediatric patients and the healthcare system. The Subjective Global Nutritional Assessment (SGNA) is an assessment tool meant to determine presence and severity of malnutrition in pediatric populations. However, the anthropometric section of the tool contains some out-dated parameters. This has limited its clinical practicality. The aim of this paper is to propose updates to the anthropometrics section of the SGNA. A retrospective analysis of 153 SGNA's performed on children aged 1 month to 16 years was completed, comparing the original SGNA results to SGNA results incorporating updated anthropometric parameters for percentiles and ideal body weight. The category of length/height for age was updated to include z score cutoffs rather than percentiles, and ideal body weight was updated to z scores for weight for length or body mass index (BMI). Two serial growth questions were updated in wording only, to reflect z score trends. The results of the analysis showed these updates would have changed the rankings of eight patients (5%) for length/height for age, and 20 patients (13%) for ideal body weight to weight for length or BMI. Adjustments to these questions did not impact the overall SGNA rating. This study shows updates to the SGNA are not expected to have a significant impact on the validity of the tool and has the potential to improve its applicability to current day practice.
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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle