Bayesian Analysis of Modified Nutrition Risk in Critically Ill (mNUTRIC) Score for Mortality Prediction in Critically Ill Patients
Notice bibliographique
Résumé
Background and aims: Malnutrition has a considerable influence on critically ill patients by increasing mortality and poorer clinical outcomes. The modified Nutrition Risk in Critically Ill (mNUTRIC) score is commonly used to assess nutritional risk and predict death; however, its sensitivity, specificity, and optimal cut-off values differ between studies. This study uses a Bayesian approach to assess the accuracy of the mNUTRIC score in predicting mortality in critically ill patients. Patients and methods: A preplanned Bayesian analysis was performed using data from 31 cohort studies, which included 13,271 intensive care unit (ICU) patients. The study investigated the mNUTRIC score's sensitivity, specificity, diagnostic odds ratio, and area under the curve (AUC). Subgroup analysis compared mortality rates at 28-day, 90-day, and in-hospital time points, along with cut-off values (<5 vs ≥5). Bayesian modeling was performed using the rjags and brms packages in R version 3.2.1. These tools also facilitated the visualization of results, including posterior distributions, forest plots, and Fagan nomograms. Results: Bayesian analysis affirmed the mNUTRIC score's high discriminative capacity, with a pooled sensitivity of 0.84 (95% credible interval (CrI): 0.80-0.88), specificity of 0.77 (95% CrI: 0.73-0.80), and AUC of 0.88 (95% CrI: 0.83-0.92). A cut-off of <5 resulted in higher sensitivity (0.83) and AUC (0.87), whereas ≥5 remained accurate but had somewhat lower sensitivity. The score consistently predicted 28-day, 90-day, and in-hospital mortality. Conclusions: The Bayesian analysis validates the mNUTRIC score as a reliable predictor of mortality in critically ill patients. Its excellent diagnostic performance suggests its incorporation into ICU for early risk assessment and nutritional interventions. How to cite this article: . Bayesian Analysis of Modified Nutrition Risk in Critically Ill (mNUTRIC) Score for Mortality Prediction in Critically Ill Patients. Indian J Crit Care Med 2025;29(5):449-457.
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 | 0,001 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| 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 ».