Nutritional management of children with acute kidney injury—clinical practice recommendations from the Pediatric Renal Nutrition Taskforce
Notice bibliographique
Résumé
The nutritional management of children with acute kidney injury (AKI) is complex. The dynamic nature of AKI necessitates frequent nutritional assessments and adjustments in management. Dietitians providing medical nutrition therapies to this patient population must consider the interaction of medical treatments and AKI status to effectively support both the nutrition status of patients with AKI as well as limit adverse metabolic derangements associated with inappropriately prescribed nutrition support. The Pediatric Renal Nutrition Taskforce (PRNT), an international team of pediatric renal dietitians and pediatric nephrologists, has developed clinical practice recommendations (CPR) for the nutritional management of children with AKI. We address the need for intensive collaboration between dietitians and physicians so that nutritional management is optimized in line with AKI medical treatments. We focus on key challenges faced by dietitians regarding nutrition assessment. Furthermore, we address how nutrition support should be provided to children with AKI while taking into account the effect of various medical treatment modalities of AKI on nutritional needs. Given the poor quality of evidence available, a Delphi survey was conducted to seek consensus from international experts. Statements with a low grade or those that are opinion-based must be carefully considered and adapted to individual patient needs, based on the clinical judgment of the treating physician and dietitian. Research recommendations are provided. CPRs will be regularly audited and updated by the PRNT.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».