Evaluating the Effectiveness of STRONGkids in Identifying Nutritional Risk in Outpatients of Child Health Care Clinics
Notice bibliographique
Résumé
Aim: To investigate the value of the STRONGkids tool for screening malnutrition risk among pediatric outpatients in China. Methods: This multicenter, cross-sectional, observational study included pediatric outpatients at the Maternity and Child Health Care Hospital in Changzhou, China, from March 2021 to March 2022. More specifically, we performed anthropometric assessments and screened pediatric patients under 2 years of age for nutritional risk using the STRONGkids tool. Results: The total number of samples assessed for malnutrition risk was 1,062, of which 81.4% (n = 865) were low risk, 16.4% (n = 174) were medium risk, and 2.2% (n = 23) were high risk. In terms of sex, 81.2% (n = 448) of all males included in the present study were classified as low risk, while 16.5% (n = 91) and 2.3% (n = 13) were medium and high risk, respectively. Furthermore, the sensitivity and specificity of STRONGkids were 0.906 and 0.837, respectively, and the AUC was 0.872 (p < 0.01). Conclusion: Although our findings failed to reveal any significant association between malnutrition risk and sex, malnutrition risk was significantly associated with age category and was more likely to occur within the first year of life. The STRONGkids tool demonstrated diagnostic efficacy in screening outpatient children for nutritional risk and could accurately identify children at risk of malnutrition. It promotes children's growth and development, reduces the risk of disease, and is beneficial to long-term health.
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 | 0,009 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».