Risk of Malnutrition in Hospitalized COVID-19 Patients: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
(1) Background: Studies have reported that COVID-19 may increase the risk of malnutrition among patients. However, the prevalence of such risk in hospitalized COVID-19 patients is uncertain due to the inconsistent use of assessment methods. (2) Methods: PubMed, Web of Science, and EMBASE were searched to identify studies on the nutritional status of hospitalized COVID-19 patients. A pooled prevalence of malnutrition risk evaluated by Nutrition Risk Score (NRS-2002) was obtained using a random effects model. Differences by study-level characteristics were examined by hospitalization setting, time of assessment, age, and country. Risk of bias was assessed using the Newcastle−Ottawa Scale. (3) Results: 53 studies from 17 countries were identified and summarized. A total of 17 studies using NRS-2002, including 3614 COVID-19 patients were included in the primary meta-analysis. The pooled prevalence of risk of malnutrition was significantly higher among ICU patients (92.2%, 95% CI: 85.9% to 96.8%) than among general ward patients (70.7%, 95% CI: 56.4% to 83.2%) (p = 0.002). No significant differences were found between age groups (≥65 vs. <65 years, p = 0.306) and countries (p = 0.893). (4) Conclusions: High risk of malnutrition is common and concerning in hospitalized patients with COVID-19, suggesting that malnutrition screening and nutritional support during hospitalization are needed.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,015 | 0,004 |
| Bibliométrie | 0,002 | 0,003 |
| 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 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 ».