Avaliação do consumo alimentar de pacientes queimados internados em um hospital público do Distrito Federal
Bibliographic record
Abstract
OBJETIVO: Avaliar o consumo alimentar dos pacientes queimados hospitalizados no processo de cicatrização. MÉTODO: Estudo transversal, quantitativo, com coleta de dados prospectivos. A coleta ocorreu no Hospital Regional da Asa Norte (HRAN), no período de março de 2022 a maio de 2022, com 113 dias alimentares de 24 pacientes hospitalizados. A coleta de dados foi realizada com ficha pré-estabelecida (número de prontuário, sexo, faixa etária, percentual de área queimada e tipo de queimadura). Para calcular as necessidades nutricionais, foi utilizada a equação de Toronto. A análise dos dados coletados aconteceu a partir do software Avanutri PC, sendo uma análise quantitativa dos macronutrientes (proteína, lipídios e carboidratos) e micronutrientes (zinco, vitamina C, vitamina A, vitamina E e selênio). RESULTADOS: Os recordatórios alimentares foram calculados com e sem suplementação. Nos dias com suplementação a adequação calórica aumentou, sendo que a maioria, 39,8%, conseguiu atingir mais de100% das recomendações e 29,2% conseguiu permanecer dentro de 75-100% das necessidades energéticas diária e todas as vitaminas e minerais também aumentaram sua adequação, sendo vitamina A antes da suplementação 406,1mg e após a suplementação 531,4mg, vitamina C antes 462,2mg e 626,4mg após, vitamina E 8,3mg antes e 31,2mg após, zinco 11,8mcg antes e após 18,7mcg e selênio 54,4mg antes e 99,5mg após a suplementação. CONCLUSÕES: A nutrição desempenha um papel muito importante na recuperação de pacientes queimados, contribuindo para a cicatrização de feridas, prevenção de infecções, manutenção do peso corporal e minimização de complicações. É essencial que esses pacientes recebam suplementação adequada para auxiliar seu processo de cicatrização.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".