Validity of the Malnutrition Universal Screening Tool for Evaluation of Frailty Status in Older Hospitalised Patients
Notice bibliographique
Résumé
The malnutrition-universal-screening-tool (MUST) is commonly used for screening malnutrition in hospitalised patients but its utility in the detection of frailty is unknown. This study determined the utility of MUST in detection of frailty in older hospitalised patients. This prospective-study enrolled 243 patients ⩾65 years in a tertiary-teaching hospital in Australia. Patients with a MUST score of ⩾1 were classified as at-risk of malnutrition. Frailty status was determined by the Edmonton-Frail-Scale (EFS) and patients with an EFS score of >8 were classified as frail. We validated the MUST against the EFS by plotting a receiver-operating-characteristic-curve (ROC) curve and area-under-the-curve (AUC) was determined. The mean (SD) age was 83.9 (6.5) years and 126 (51.8%) were females. The EFS determined 149 (61.3%) patients as frail, while 107 (44.1%) patients were at-risk of malnutrition according to the MUST. There was a positive linear but weak association between the MUST and the EFS scores (Pearson’s correlation coefficient= .22, 95% CI .12– .36, p < .001). The sensitivity, specificity, positive and negative predictive value of MUST in the detection of frailty was 51%, 67%, 78.5% and 37%, respectively and the AUC was .59 (95% CI .53–.65, p < .001). The MUST is moderately sensitive in detection of frailty in older-hospitalised 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».