Estimated inpatient malnutrition prevalence, screening tool utilization, and dietitian referral rates across hospitals during extension of phase 2 of More-2-Eat
Notice bibliographique
Résumé
Malnutrition is associated with increased hospital length of stay, disease burden, and healthcare costs. The Integrated Nutrition Pathway for Acute Care (INPAC) is a validated multi-step algorithm that includes screening using the Canadian Nutrition Screening Tool (CNST) and diagnosis using Subjective Global Assessment (SGA). This study aims to understand ( 1) the prevalence of inpatient nutrition screening completion, (2) the proportion of at-risk inpatients referred to dietitians, and (3) the malnutrition prevalence among a sample of hospital inpatients. In 2021, INPAC was implemented in five hospital wards across Nova Scotia (NS) as an extension of More-2-Eat NS Study. As part of the implementation, hospital chart audits (n=672) were completed from 2021-2022 to gather data on malnutrition screening, dietitian referral, and nutrition assessment. Statistical analysis involved chi-square, Kruskal Wallis, and t-tests. Nutrition screening at admission occurred for 54.9% of audited patients, with variation among sites (p<0.001). 34.5% of these screened patients were at nutritional risk, of whom 79.8% were referred to a dietitian. 14.4% of all charts audited had a malnutrition diagnosis as per SGA, as did 28.5% of patients screened by the CNST. 94.2% of patients who underwent SGA were diagnosed with malnutrition. Inpatient malnutrition is prevalent in NS hospitals but under-diagnosed due to gaps in screening. INPAC implementation increased dietitian referrals, SGA, and malnutrition diagnosis. Investigation is needed to assess and overcome barriers to screening, consequences to clinician workload, and the burden of malnutrition on prognosis and hospital stay.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».