MétaCan
Menu
Retour à la cohorte
Enregistrement W4412459833 · doi:10.1016/j.clnu.2025.07.009

Arvid Wretlind Lecture 2024 optimal nutrition in critically ill children: Could less be more?

2025· review· en· W4412459833 sur OpenAlexfundno aff
Koen F. M. Joosten

Notice bibliographique

RevueClinical Nutrition · 2025
Typereview
Langueen
DomaineNursing
ThématiqueClinical Nutrition and Gastroenterology
Établissements canadiensnon disponible
Organismes subventionnairesUniversitaire Ziekenhuizen Leuven, KU LeuvenUniversitair Ziekenhuis BrusselHospital for Sick ChildrenErasmus Medisch CentrumUniversity of Glasgow
Mots-clésMedicineParenteral nutritionCritically illIntensive care medicineRandomized controlled trialCausality (physics)Intensive care unitIntervention (counseling)Critical illnessIntensive carePopulationClinical trialPediatricsSurgeryNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

This article reflects my journey over the past several decades in challenging the long-held dogma that critically ill children should receive aggressive nutritional support-particularly high protein intake-early in the course of illness to counteract catabolism and promote anabolism. For many years, this belief dominated clinical practice, under the assumption that early and maximal nutritional delivery would improve outcomes in this vulnerable population. However, as new evidence began to emerge, this approach was called into question. The multicenter PEPaNIC (Early versus Late Parenteral Nutrition in the Pediatric Intensive Care Unit) randomized controlled trial was a pivotal step in addressing this issue. By investigating causality, the trial demonstrated that early supplementation of insufficient or contraindicated enteral nutrition with parenteral nutrition during the first week of admission to the pediatric intensive care unit (PICU) did not lead to improved clinical outcomes. In contrast, tolerating a temporary macronutrient deficit appeared to be both safe and potentially beneficial, challenging the foundational assumptions of early aggressive nutritional intervention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0100,004

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 Opus0,068
Tête enseignante GPT0,432
Écart entre enseignants0,364 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical NutritionMême sujetClinical Nutrition and GastroenterologyTravaux en français237 207