MétaCan
Menu
Retour à la cohorte
Enregistrement W7052563066

Situación actual de la nutrición clínica en la red de hospitales públicos de Castilla y León Current status of clinical nutrition at the network of public hospitals from Castilla y León

2006· article· es· W7052563066 sur OpenAlexaboutno aff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2006
Typearticle
Languees
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPublic hospitalGeneral hospitalHospital wardUniversity hospitalRegional hospital
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Introducción: La nutrición clínica se ha ido implantando paulatinamente en los diferentes Centros de Atención Sanitaria a nivel nacional siguiendo la experiencia de otros países como Francia, Canadá, Gran Bretaña, y Estados Unidos. Por tanto nos planteamos en nuestro trabajo determinar la situación funcional y recursos de las Unidades de Nutrición de los Hospitales de la red pública(SACYL) de la Comunidad de Castilla y León. Material y métodos: Se realizó una encuesta (fig. 1), remitida a todos los Hospitales de la red pública de la Comunidad de Castilla y León (SACYL). La encuesta fue remitida a los Hospitales de nuestra Comunidad; Hospital Universitario Río Hortega, Hospital Clinico Universitario, Hospital Comarcal de Medina del Campo, Hospital General Yagüe-Divino Vallés (Burgos), Complejo Hospitalario de León, Hospital General de Segovia, Hospital Virgen de Sonsoles de Ávila, Hospital Virgen de la Concha de Zamora, Hospital Comarcal de Aranda de Duero, Hospital Comarcal de Miranda, Hospital General de Soria, Hospital Clínico Universitario de Salamanca. Resultados: Del total de 12 Hospitales encuestados contestaron nueve, realizándose el estudio con estos Centros y considerando representativa la muestra al suponer un 75% de los encuestados. Un total de 5 Hospitales reconocía disponer de una Unidad de Nutrición clínica estructurada(55,6%). Los resultados muestran una media de 0,37± 0,55 especialista por cada 400 camas, 0,87 ± 0,63 enfermera por cada 400 camas y 1,91 ± 2,3 auxiliar por cada 400 camas, con una media de 0,21 ± 0,41 especialista por 100.000 habitantes, 0,49 ± 0,36 enfermera por 100.000 habitantes y 1,09 ± 1,2 auxiliares por 100.000 habitantes La actividad asistencial de estas Unidades se ve reflejada a modo de interconsulta desde otras Unidades o Servicios, recibiendo una media de 3,2 ± 3,4 interconsultas/día. La principal patología que motiva la realización de una interconsulta a una Unidad de Nutrición es en el 33,3% de los Centros patología tumoral, en el 55,6% cirugía programada y en el 11,1% patología neurológica. Siendo la principal intervención la utilización de un suplemento. Solo 3 centros (33,3%) tienen estructurada una consulta monográfica de nutrición. Estos 3 centros presentan un programa de seguimiento de nutrición artificial domiciliaria, siendo la patología que con más frecuencia motiva la inclusión de un paciente en el programa de nutrición artificial domiciliaria es la patología postquirúrgica(33,3%) y patología tumoral (33,3%), en segundo lugar la patología neurológica (22%) y por último patología inflamatoria digestiva (11%). Conclusión: La dotación de recursos estructurales y humanos en las Unidades de Castilla y León son escasos.No obstante la actividad asistencial a nivel hospitalario e intrahospitalario, presenta un perfil similar al de otras áreas de nuestro entorno. Son necesarios esfuerzos por parte de la Administración para poder seguir las recomendaciones del Consejo Europeo. Introduction: Clinical nutrition is an activity realized in most of Health Centres of France, Canada, Great Britain and USA. The aim of our work was to determine activity and resources of Nutrition Units of Hospitals in the Community of Castilla y León. Material and methods: A questionnaire was send to all Hospitals of Castilla y León (SACYL); Hospital Universitario Río Hortega, Hospital Clínico Universitario,Hospital Comarcal de Medina del Campo, Hospital General Yagüe-Divino Vallés (Burgos), Complejo Hospitalario de León, Hospital General de Segovia, Hospital Virgen de Sonsoles de Ávila, Hospital Virgen de la Concha de Zamora, Hospital Comarcal de Aranda de Duero, Hospital Comarcal de Miranda, Hospital General de Soria, Hospital Clínico Universitario de Salamanca. Results: Nine Centres responded questionnaire (75%).A total of 5 Hospitals had a Unit of Nutrition (55.6%). The results showed an average of 0.37 ± 0.55 specialists for each 400 beds, 0.87 ± 0.63 nurses for each 400 beds and 1.91 ± 2.3 auxiliaries for each 400 beds, with an average of 0.21 ± 0.41 specialists for each 100,000 habitants, 0.49 ± 0.36 nurses for each 100,000 habitants and 1.09 ± 1.2 auxiliaries for each 100,000 habitants. The activity of these Units is demanded by other Units,with an average of 3.2 ± 3.4 consultations per day. The main diseases of this activity were 33.3% tumoral pathology, 55.6% surgery and 11.1% neurological pathology.Oral supplements were the first intervention tool. Only 3 Centres had a home artificial nutrition consultation. The main diseases of this activity were post surgical patients (33,3%), tumoral pathology (33,3%), neurological pathology (22%) and inflammatory bowel disease (11%). Conclusion: Resources in Units of Nutrition of Castilla y Leon were limited. However, activity in Hospital an in home is equal than other areas. New actions of Local Administration are necessaries to follow recommendations of Council of Europe.

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)0,003
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 enseignants0,188
Score d'incertitude au seuil0,374

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,119
Tête enseignante GPT0,507
Écart entre enseignants0,388 · 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

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetSoil Moisture and Remote SensingTravaux en français237 207