Screening for malnutrition with malnutrition inflammation score and geriatric nutritional risk index in hemodialysis patients
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Screening malnutrition, which is the most common complication in hemodialysis patients, is extremely important for these patients. Malnutrition inflammation score (MIS) and geriatric nutritional risk index (GNRI) are malnutrition screening tests used in hemodialysis patients in recent years. The purposes of this study are to evaluate the nutritional status of hemodialysis patients with different screening tests and to determine the cutoff values for this disease-specific MIS and GNRI. METHODS: The study was conducted with 194 adult patients including 98 males and 96 females whose mean age was 53.1 ± 10.96. Subjective global assessment (SGA) and MIS tests were applied, and the GNRI value was calculated for screening malnutrition. MIS and GNRI cutoff values were obtained by adopting the SGA scores as a standard and drawing a receiver operating characteristic curve. The tatistical Package for the Social Sciences-22.0 package program was used in the analysis. RESULTS: According to SGA, 70.7% of the patients were nourished, 21.1% were mildly-moderately malnourished, and 8.2% were found to be severely malnourished. The optimal cutoff value predicted for malnutrition was 6.5 points (94.7% sensitivity and 98.5% specificity) for MIS and 86.0 points (64.9% sensitivity and 62.8% specificity) for GNRI. Based on these cutoff values, 28.9% of the patients were determined to be malnourished according to MIS and 45.4% according to GNRI. CONCLUSION: In conclusion, screening tests are very important in the early identification of malnutrition in hemodialysis patients. This study was conducted to evaluate the malnutrition of hemodialysis patients with different screening tests. At the end of the study, the availability of MIS was found to be high in detecting malnutrition in hemodialysis patients because of its high accuracy and sensitivity of MIS. The cutoff points we identified for both MIS and GNRI are thought to facilitate the determination of malnutrition.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 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 ».