MétaCan
Menu
Retour à la cohorte
Enregistrement W4392747328 · doi:10.3390/nu16060814

An Evaluation of the Usefulness of Selected Screening Methods in Assessing the Risk of Malnutrition in Patients with Inflammatory Bowel Disease

2024· article· en· W4392747328 sur OpenAlexaboutno aff
Małgorzata Godala, Ewelina Gaszyńska, Konrad Walczak, Ewa Małecka‐Panas

Notice bibliographique

RevueNutrients · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensnon disponible
Organismes subventionnairesUniwersytet Medyczny w Lodzi
Mots-clésMalnutritionMedicineInflammatory bowel diseaseDiseaseRisk assessmentPediatricsInternal medicine

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to assess the prevalence of malnutrition risk in patients with IBD using different scales to evaluate their usefulness as first-step screening tools for the diagnosis of malnutrition using the GLIM criteria in patients with inflammatory bowel disease. This study included 82 patients with IBD. The Mini Nutritional Assessment, Malnutrition Universal Screening Tool, Saskatchewan IBD-Nutrition Risk and Malnutrition Screening Tool were used to assess malnutrition risk in the study group. In order to diagnose malnutrition, the GLIM criteria were used. According to the GLIM recommendations, malnutrition was diagnosed in 60 patients with IBD (73.17%). Depending on the applied screening tools, the prevalence of moderate and/or high-risk malnutrition in patients with IBD ranged from 20.25% to 43.59%. The highest level of accuracy (ACC) was noted for the MST and MUST questionnaires (92.50% and 90%, respectively), followed by the SASKIBD-NR test (89.97%) and the MNA questionnaire (83.33%). The results of our study indicate a high prevalence of malnutrition in patients with IBD. Thus, there is a need to conduct routine assessments of malnutrition risk using validated scales. The MUST scale seems promising in the assessment of malnutrition risk in patients with IBD as a first step in the assessment of malnutrition using the GLIM criteria.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,402
Écart entre enseignants0,350 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetNutrition and Health in AgingTravaux en français237 207