Nutritional management of the child with chronic kidney disease and on dialysis
Notice bibliographique
Résumé
While it is widely accepted that the nutritional management of the infant with chronic kidney disease (CKD) is paramount to achieve normal growth and development, nutritional management is also of importance beyond 1 year of age, particularly in toddlers, to support the delayed infantile stage of growth that may extend to 2-3 years of age. Puberty is also a vulnerable period when nutritional needs are higher to support the expected growth spurt. Inadequate nutritional intake throughout childhood can result in failure to achieve full adult height potential, and there is an increased risk for abnormal neurodevelopment. Conversely, the rising prevalence of overweight and obesity among children with CKD underscores the necessity for effective nutritional strategies to mitigate the risk of metabolic syndrome that is not confined to the post-transplant population. Nutritional management is of primary importance in improving metabolic equilibrium and reducing CKD-related imbalances, particularly as the range of foods eaten by the child widens as they get older (including increased consumption of processed foods), and as CKD progresses. The aim of this review is to integrate the Pediatric Renal Nutrition Taskforce (PRNT) clinical practice recommendations (CPRs) for children (1-18 years) with CKD stages 2-5 and on dialysis (CKD2-5D). We provide a holistic approach to the overall nutritional management of the toddler, child, and young person. Collaboration between physicians and pediatric kidney dietitians is strongly advised to ensure comprehensive and tailored nutritional care for children with CKD, ultimately optimizing their growth and development.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».