The Adverse Effects and Events of Thickened Liquid Use in Adults: A Systematic Review
Notice bibliographique
Résumé
Purpose: Practice pattern studies suggest that liquid modification is currently a primary strategy used by speech-language pathologists to manage dysphagia; however, the breadth of negative consequences associated with their use is not well understood. The purpose of this review was to summarize the evidence on adverse events and effects of thickened liquid (TL) use in adults. Method: Six databases were searched in February 2022: EMBASE, MEDLINE (PubMed), Speechbite, AMED, AgeLine, and CINAHL. Articles were included if they compared adults receiving different TL viscosities and discussed at least one adverse event or effect of consuming TLs. Articles were excluded if they were review articles, rehabilitation studies, rheological analyses, not in English, or not peer reviewed. Screening and data extraction were completed by two independent reviewers. Risk of bias was assessed using Cochrane tools. Results: Thirty-three studies ( N = 4,990 participants across all studies) were eligible for inclusion (2,405 unique records screened). Reported adverse events included dehydration ( n = 5), pneumonia ( n = 4), death ( n = 2), urinary tract infection ( n = 1), and hospitalization ( n = 1); adverse effects included reduced quality of life ( n = 18), aspiration ( n = 12), reduced intake ( n = 8), increased residue ( n = 4), and reduced medication bioavailability ( n = 2). Results were mapped on to codes and domains of the International Classification of Functioning, Disability and Health. Conclusions: A range of adverse outcomes associated with TL use were identified. Adverse outcomes should be monitored and reported in dysphagia research. Given current research evidence, it is vital for clinicians to weigh the risks and benefits of TL use to mitigate potential adverse outcomes.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».