MétaCan
Menu
Retour à la cohorte
Enregistrement W4413101729 · doi:10.1111/nhs.70203

The Relationship Between Xerostomia, Nutrition, and Frailty in Older Patients Undergoing Hemodialysis

2025· article· en· W4413101729 sur OpenAlexaboutno aff
Arzu Uslu, Fatma Zehra Genç

Notice bibliographique

RevueNursing and Health Sciences · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHemodialysisMedicineGerontologyIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Older adults receiving hemodialysis are at increased risk for xerostomia, poor nutritional status, and frailty, all of which significantly impact clinical outcomes and quality of life. This cross-sectional study examined interrelationships among xerostomia, nutrition, and frailty in patients aged 60 and older undergoing maintenance hemodialysis. Conducted between October 2022 and June 2023 in five dialysis centers, the study included 176 participants on hemodialysis for at least 3 months. Data were collected through face-to-face interviews using validated instruments: the Short Xerostomia Inventory, Mini Nutritional Assessment-Short Form, and Edmonton Frailty Scale. Pearson's correlation and path analysis using the Maximum Likelihood method were employed. Although xerostomia was reported at a low rate, many patients were at risk of malnutrition and showed varying degrees of frailty. Xerostomia was negatively associated with nutritional status and positively with frailty, while better nutritional status was linked to lower frailty. Path analysis revealed that xerostomia and nutritional status together explained nearly 50% of frailty variance. These findings underscore the importance of early identification and multidisciplinary management to reduce frailty and improve outcomes in older adults undergoing hemodialysis.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,118
Tête enseignante GPT0,434
Écart entre enseignants0,315 · 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'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 revueNursing and Health SciencesMême sujetNutrition and Health in AgingTravaux en français237 207