MétaCan
Menu
Retour à la cohorte
Enregistrement W4409510742 · doi:10.1002/ncp.11295

Complementarity of nutrition risk screening tools with malnutrition diagnosis in patients with cancer: A 12‐month follow‐up study assessing accuracy metrics and mortality

2025· article· en· W4409510742 sur OpenAlexaff
Bruna Luísa Gomes de Miranda, Flávia Moraes Silva, Iasmin Matias de Sousa, Liliane Nunes Bertuleza, Rodrigo Albert Baracho Rüegg, Marı́a Cristina González, Ana Paula Trussardi Fayh

Notice bibliographique

RevueNutrition in Clinical Practice · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensUniversity of Alberta
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésMalnutritionMedicineProspective cohort studyEtiologyCohortPediatricsIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Global Leadership Initiative on Malnutrition (GLIM) criteria for diagnosing malnutrition were established to provide a standardized approach for diagnosing malnutrition in clinical practice using a nutrition screening tool (NST) as the first step for this process. This study aimed to compare the complementarity of NSTs with the GLIM criteria for malnutrition diagnosis in patients with cancer. METHODS: Hospitalized patients with different cancer types were evaluated in a prospective cohort study in which they were initially screened using the Patient-Generated Subjective Global Assessment (PG-SGA), Protocol for Nutritional Risk in Oncology (PRONTO), Malnutrition Universal Screening Tool, Nutritional Risk Screening 2002, Malnutrition Screening Tool, and NutriScore for nutrition risk. Malnutrition diagnosis involved phenotypic and etiological criteria as proposed by the GLIM. Complementarity of NST to GLIM criteria was evaluated by calculating accuracy metrics and investigating association with 12-month mortality. RESULTS: Nutrition risk ranged from 14.8% (NutriScore) to 82.8% (PRONTO) and frequency of malnutrition from 13.8% (with NutriScore) to 88.9% (with PG-SGA). NutriScore presented the lowest negative predictive value (25.1%) whereas PG-SGA presented the highest (58.32%). Regardless of the NST applied, the risk of malnutrition and diagnosis of malnutrition according to the GLIM criteria, combined or isolated, increased the risk of 12-month mortality. CONCLUSION: All NSTs presented low negative predictive value when their complementarity to GLIM criteria for malnutrition diagnosis was tested. Indeed, patients "at risk" presented similar increased risk of 12-month after discharge mortality in comparison with those at risk and malnourished by the GLIM criteria when all NSTs were applied.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,951

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,201
Tête enseignante GPT0,518
Écart entre enseignants0,317 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrition in Clinical PracticeMême sujetNutrition and Health in AgingTravaux en français237 207