Incorporating handgrip strength examination into dietetic practice: A quality improvement project
Notice bibliographique
Résumé
Protein-energy malnutrition is both prevalent and costly within the inpatient rehabilitation population. Registered dietitians play a key role in identifying, diagnosing, and treating protein-energy malnutrition. Handgrip strength has been shown to correlate with clinical outcomes, including malnutrition. Reduced handgrip strength is included as a criterion in national and international consensus guidelines of malnutrition diagnoses for functional changes. However, limited research and quality improvement projects have reported on its actual use in the clinical setting. The purpose of this quality improvement project was to (1) implement handgrip strength testing into dietitian care on three inpatient rehabilitation units to allow dietitians to identify and treat nutrition-related muscle function losses and (2) evaluate the feasibility, clinical utility, and clinical impact of this project. This quality improvement educational intervention demonstrated that handgrip strength is feasible, does not impact dietitian efficiency, and is clinically useful. Dietitians reported three areas in which handgrip strength provided value: assessing nutrition status, motivating patients, and monitoring responses to nutrition interventions. Specifically, they were able to shift away from focusing solely on change in weight to focusing on functional ability and strength. Although outcome measures demonstrated favorable outcomes, the results must be interpreted cautiously because of the small sample and pre-post uncontrolled design. Further high-quality research is required to provide more in-depth information on the utility and limitations of handgrip strength as an assessment, motivational, and monitoring tool for clinical dietetics.
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 | 0,015 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».