Estimates of resting energy expenditure using predictive equations in adults with severe burns: A systematic review and meta‐analysis
Notice bibliographique
Résumé
BACKGROUND: Many equations to estimate the resting energy expenditure (REE) of patients with burns are currently available, but which of them provides the best guide to optimize nutrition support is controversial. This review examined the bias and precision of commonly used equations in patients with severe burns. METHODS: A systematic search of the PubMed, Web of Science, Embase, and Cochrane Library databases was undertaken on June 1, 2023, to identify studies comparing predicted REE (using equations) with measured REE (by indirect calorimetry [IC]) in adults with severe burns. Meta-analyses of bias and calculations of precisions were performed in each predictive equation, respectively. RESULTS: Nine eligible studies and 12 eligible equations were included. Among the equations, the Toronto equation had the lowest bias (26.1 kcal/day; 95% CI, -417.0 to 469.2), followed by the Harris-Benedict equation × 1.5 (1.5HB) and the Milner equation. The Ireton-Jones equation (303.4 kcal/day; 95% CI, 224.5-382.3) acceptably overestimated the REE. The accuracy of all of the equations was <50%. The Ireton-Jones equation had the relatively highest precision (41.2%), followed by the 1.5HB equation (37.0%) and the Toronto equation (34.7%). CONCLUSION: For adult patients with severe burns, all of the commonly used equations for the prediction of REE are inaccurate. It is recommended to use IC for accurate REE measurements and to use the Toronto equation, 1.5HB equation, or Ireton-Jones equation as a reference when IC is not available. Further studies are needed to propose more accurate REE predictive models.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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) | 0,000 | 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 ».