Nascent to novel methods to evaluate malnutrition and frailty in the surgical patient
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
Preoperative nutrition status is an important determinant of surgical outcomes, yet malnutrition assessment is not integrated into all surgical pathways. Given its importance and the high prevalence of malnutrition in patients undergoing surgical procedures, preoperative nutrition screening, assessment, and intervention are needed to improve postoperative outcomes. This narrative review discusses novel methods to assess malnutrition and frailty in the surgical patient. The Global Leadership Initiative for Malnutrition (GLIM) criteria are increasingly used in surgical settings although further spread and implementation are strongly encouraged to help standardize the diagnosis of malnutrition. The use of body composition (ie, reduced muscle mass) as a phenotypic criterion in GLIM may lead to a greater number of patients identified as having malnutrition, which may otherwise be undetected if screened by other diagnostic tools. Skeletal muscle loss is a defining criterion of malnutrition and frailty. Novel direct and indirect approaches to assess muscle mass in clinical settings may facilitate the identification of patients with or at risk for malnutrition. Selected imaging techniques have the additional advantage of identifying myosteatosis (an independent predictor of morbidity and mortality for surgical patients). Feasible pathways for screening and assessing frailty exist and may determine the cost/benefit of surgery, long-term independence and productivity, and the value of undertaking targeted interventions. Finally, the evaluation of nutrition risk and status is essential to predict and mitigate surgical outcomes. Nascent to novel approaches are the future of objectively identifying patients at perioperative nutrition risk and guiding therapy toward optimal perioperative standards of care.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 découle