How to interpret and apply the results of indirect calorimetry studies: A case-based tutorial
Notice bibliographique
Résumé
Evidence is growing that the individual adjustment of energy targets guided by indirect calorimetry (IC) can improve outcome. With the development of a new generation of devices that are easier to use and rapid, it appears important to share knowledge and expertise that may be used to individualize nutrition care. Despite the focus of this tutorial being on one contemporary device, the principles of IC apply across existing devices and can assist tailoring the nutrition prescription and in assessing response to nutrition therapy. The present tutorial addresses its clinical application in intubated mechanically ventilated and spontaneously breathing adult patients (canopy), i.e. it covers the range from critical illness to outpatients. The cases that are presented show how the measured energy expenditure (mEE), and the respiratory quotient (RQ), i.e. the ratio of expired CO 2 to consumed O 2 , should be applied in different cases, to adapt and individualize nutrition prescription, as it is a good marker of over- or underfeeding at the different stages of disease. The RQ also informs about the patient's body's capacity to use different substrates: the variations of RQ indicating the metabolic changes revealing insufficient or excessive feeding. The different cases reflect the use of a new generation device as a metabolic monitor that should be combined with other clinical observations and laboratory biomarkers. The tutorial also points to some shortcomings of the method, proposing alternatives.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».