[ID 54107] O NUTRITION IMPACT SYMPTOMS (NIS) PODE SER UTILIZADO COMO UM INSTRUMENTO DE TRIAGEM NUTRICIONAL EM PACIENTES COM DOENÇA RENAL CRÔNICA NA POPULAÇÃO BRASILEIRA?
Bibliographic record
Abstract
Objetivo: Adaptar e validar o uso da ferramenta Nutritional Impact Symptoms (NIS) como instrumento de triagem nutricional em indivíduos com DRC na população brasileira. Metodologia: Estudo do tipo transversal desenvolvido em um Hospital Universitário, baseado nos procedimentos de validação sugeridos por Beaton et al. (2000), American Educational Research Association, American Psychological Association e National Council on Measurement in Education (2014) e revisados por Muñiz, Elosua e Hambleton (2013). Resultados: Para a validação do NIS, utilizando-se a Avaliação Subjetiva Global (ASG) como padrão, foram realizadas as análises sequenciais, obtendo-se um coeficiente da correlação de Spearman classificado como moderado (ρ=0,51; p<0,001); um erro típico da medida absoluto de 0,46 e relativo de 30%; coeficiente de variação de 15% e ausência de diferenças entre avaliações médias (p=0,497). Embora a classificação entre o NIS e a ASG original tenham apresentado uma moderada correlação, sem diferenças entre as médias e um erro sistemático baixo, a concordância entre as variáveis apresentou uma amplitude alta no erro aleatório. Conclusão: A NIS foi adaptada, mas não validada para o público com doença renal em âmbito hospitalar, necessiatndo de uma avaliação com um maior número de pacientes para poder ser utilizada como parte de protocolos de avaliação nutricional com objetivo de rastreio da presença de desnutrição e posterior avaliação aprofundada da mesma.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.003 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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; both teacher heads agree on what is shown here.
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".