Nutritional Interpretation of Hospital Diets for Elderly Patients With Chronic Diseases and Analysis of Factors Influencing Actual Intakes
Notice bibliographique
Résumé
Background: The provision of hospital meals is considered a therapeutic intervention, and a therapeutic diet consisting of a post-discharge meal sample is provided. For elderly patients who require long-term care, it is important to determine the significance of nutrition by taking into account hospital meals, including therapeutic meals for conditions such as diabetes. Therefore, it is important to identify the factors that influence this judgment. This study aimed to investigate the difference between the expected nutritional intake via nutritional interpretation and actual nutritional intake. Methods: The study included 51 geriatric patients (77.7 ± 9.5 years; 36 males and 15 females) who could eat meals independently. The participants completed a dietary survey to determine the perceived nutritional intake obtained from hospital meal contents. Additionally, we investigated the amount of hospital meal leftovers from the medical records and the amount of nutrients from the menus to calculate the actual nutritional intake. We calculated the amount of calories, protein concentration, and non-protein/nitrogen ratio from the perceived and actual nutritional intake values. We then calculated the cosine similarity and conducted a qualitative analysis of factorial units to examine similarities between perceived and actual intake. Results: Among factors that constituted the large cosine similarity group (gender, age, etc.), gender was found as a particularly significant factor, with a high number of female patients (P = 0.014). Conclusions: Gender was found to influence the appropriate interpretation of the significance of hospital meals. The perception of such meals as samples for post-discharge dietary practice was more significant among female patients. This demonstrated that in elderly patients, it is important to consider gender differences when providing diet and convalescence guidance.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».