¿Cómo mejorar la hidratación y la ingesta hídrica en las personas mayores institucionalizadas? Una revisión de la literatura científica
Bibliographic record
Abstract
Introducción: los residentes son vulnerables a sufrir deshidratación por los cambios fisiológicos y las limitaciones físicas y cognitivas que padecen. Objetivo: para manejar esta situación, se ha decidido evaluar las intervenciones que se llevan a cabo para el manejo de la deshidratación y la baja ingesta hídrica en las personas mayores institucionalizadas en residencias geriátricas. Métodos: se realizó una revisión de la literatura científica siguiendo la metodología PRISMA mediante búsquedas sistemáticas en las bases de datos PubMed, Scopus, CINAHL y otras fuentes. De un total de 3.379 artículos extraídos, se seleccionaron once estudios para su análisis. Además, se avaluó su calidad a través de Cochrane y la Newcastle-Ottawa Scale. Resultados: el riesgo de sesgo de los estudios fue medio en su mayoría. En cuanto a los resultados, las intervenciones se clasificaron según fuesen invasivas o no invasivas. Las intervenciones invasivas fueron la sueroterapia intravenosa y/o subcutánea y su efectividad estuvo relacionada con la mejora clínica de la deshidratación. No obstante, aparecieron reacciones locales. Las no invasivas se centraron en la asistencia individualizada, la estimulación para beber más y tener en cuenta las preferencias de cada residente, produciendo un aumento de la ingesta y una mejora en los parámetros analíticos. Conclusiones: dadas las peculiaridades de la población mayor institucionalizada, ambos tipos de intervención han demostrado tener un efecto positivo en la mejora de la hidratación. No obstante, las intervenciones no invasivas han confirmado ser más eficientes dada su sencillez de aplicación y provocar menos efectos adversos.
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 | 0.018 | 0.061 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.004 |
| Bibliometrics | 0.013 | 0.014 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.008 | 0.008 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.004 | 0.003 |
| 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".