Pediatric oncology nutritional practices in high‐income countries: A survey from the International Society of Paediatric Oncology (SIOP)
Notice bibliographique
Résumé
BACKGROUND: Optimal nutrition in pediatric oncology can influence cancer-related outcomes. To establish an understanding of nutrition practice and perceptions of best practice, we queried nutrition providers practicing in pediatric oncology care centers in high-income countries. METHODS: An electronic, multidisciplinary, cross-sectional survey of nutrition practices was conducted among pediatric oncology nutrition practitioners. Final analysis included 110 surveys from 71 unique institutions and included practitioners from Europe, the United States, Canada, Australia/New Zealand, South America, and the Middle East/Asia. RESULTS: The majority of institutions (97%) reported having dietitians; 72% had designated oncology dietitians. Approximately half of the practitioners (47%) reported feeling their institutions were inadequately staffed. The majority (78%) of institutions completed nutrition risk screening, but there was no consensus on specific screening practices. Half (50%) of the institutions that screened for nutrition risk did so in both inpatient and outpatient settings. The majority (80%) of institutions completed a nutrition assessment close to the time of diagnosis. Those that did not cite lack of staff and/or lack of time, lack of standardized approach, and consult only level of nutritional care as primary barriers. The most common topic of nutrition education provided to patients/families was nutrition-related symptom management (68%). CONCLUSION: While most institutions reported having pediatric oncology dietitians, we found a lack of standardized practice and perceived inadequate staffing. In addition, what providers perceived to be best practice did not always align with day-to-day clinical practice. Ongoing efforts are needed to develop evidence-based guidelines, including staffing recommendations, to support specialized care in this population.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».