Impact d’une supplémentation protéino-énergétique sur les performances physiques en réadaptation chez la personne âgée traumatisée crânienne : un projet pilote
Bibliographic record
Abstract
L’exacerbation de la perte d’autonomie des personnes âgées hospitalisées est fréquente. Le traumatisme craniocérébral (TCC) est une condition médicale associée à un état de stress et d’hypercatabolisme particulièrement élevé (Cook, 2008) qui rend la personne âgée encore plus vulnérable. De plus, les recommandations en vigueur pour l’apport protéique (0,8 g/kg) semblent insuffisantes pour freiner la perte de masse musculaire qui conduit à la sarcopénie. L’objectif de cette étude était de déterminer l’impact d’un supplément protéino-énergétique sur les performances physiques de la personne âgée traumatisée crânienne en réadaptation, plus spécifiquement sur la distance de marche, la force de préhension, ainsi que le test du « Time up and go » (TUG). Vingtquatre sujets, âgés de 65 à 94 ans (14 hommes) ont consenti à participer à cette étude randomisée contrôlée à double-aveugle dans un centre de réadaptation fonctionnelle intensive à Montréal. L’intervention consistait à ingérer un supplément nutritionnel (230 kcal, 15 g protéines, 25 g glucides) ou un placebo immédiatement après le traitement régulier de physiothérapie (45 à 60 minutes, 4 à 5 fois par semaine). Aucune différence significative n’a été trouvée dans les caractéristiques de base des 2 groupes. Une amélioration significative a été trouvée dans le groupe supplément pour le test du TUG. Notre étude d’intervention est la première en nutrition en sol québécois dans les Centres de réadaptation. La consommation d’un supplément chez la personne âgée durant le traitement de physiothérapie est une mesure simple et facile à introduire dans un contexte clinique. Même en l’absence de gains significatifs sur l’ensemble des mesures physiques, le supplément nutritionnel permet d’augmenter les apports caloriques et protéiques, ce qui peut contribuer à optimiser l’état nutritionnel. La littérature documente largement les impacts négatifs de la malnutrition et toute mesure pouvant contribuer à diminuer la prévalence de cette dernière ne peut donc qu’être positive.
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 | 0.003 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".