La prévalence de la malnutrition chez les enfants et adolescents hospitalisés
Bibliographic record
Abstract
Aujourd'hui, la malnutrition continue de passer inaperçue dans les hôpitaux pédiatriques. Un état nutritionnel inadéquat se répercute sur la santé des enfants hospitalisés et est associé à des coûts annuels supplémentaires pour les centres hospitaliers, affectant donc le patient et le système de santé. Dans la littérature, la prévalence de la malnutrition est très variable, soit de 2,5 à 51 %. Cela est principalement dû à la diversité des méthodes utilisées pour détecter et évaluer l'état nutritionnel ainsi qu'à l'absence de consensus autour d'une définition de la dénutrition chez les enfants. La littérature indique que le statut nutritionnel des enfants malades se détériore au cours de l'hospitalisation et les pratiques non optimales de l'hôpital, telles que l'absence du dépistage nutritionnel, pourraient en fait aggraver la situation. Ce mémoire s'est essentiellement consacré à mettre en évidence la malnutrition pédiatrique dans les hôpitaux, à discuter de manière critique sa prévalence en fonction des différents protocoles d'investigation, des caractéristiques cliniques rapportées et de la méthodologie utilisée. Un second objectif consistait à identifier les pratiques hospitalières pouvant nuire à l'état nutritionnel des enfants hospitalisés. Finalement, compte tenu des informations obtenues et des conclusions retenues, le troisième but visait à monter le protocole d'une étude multicentrique sur la malnutrition pédiatrique au Canada.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.018 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".