一个自动化的营养不良查工具,使用常规收集的数据,为长期护理的老年人:发展和内部验证的AutoMal
Jonathan Foo1, Melanie Roberts2, Lauren T Williams2
1Department of Physiotherapy, Monash University, Melbourne, VIC, Australia.
Journal of the American Medical Directors Association
|September 12, 2024
概括
一个新的营养不良查工具AutoMal使用体重指数和体重变化来准确识别长期护理居民的营养不良. 这种自动化方法增强了早期检测和干预,以获得更好的患者结果.
科学领域:
- 老年学是一门学科.
- 营养科学 营养科学
- 医疗信息学 医疗信息学
背景情况:
- 营养不良在长期护理机构中很普遍,影响居民的健康,增加医疗保健成本.
- 准确和高效的查工具对于及时干预至关重要.
- 常规收集的数据为开发此类工具提供了宝贵的资源.
研究的目的:
- 开发和内部验证一个自动化的营养不良查工具 (AutoMal),使用例行收集的数据.
- 评估AutoMal在识别长期护理居民营养不良方面的表现.
主要方法:
- 开发了一种诊断预测模型,并使用来自10个澳大利亚长期护理机构的539名居民的数据进行内部验证.
- 使用后勤回归和引导技术来选择候选变量并开发最终模型.
- 主观全球评估作为营养不良诊断的参考标准.
主要成果:
- 自动Mal模型包含了身体质量指数和6个月体重变化,在100%的引导样本中确定了这些变化.
- 自动Mal表现出极好的歧视,曲线下的面积 (AUC) 为0.8378.8.
- 该工具在最佳值时实现了78%的灵敏度和77%的特异性.
结论:
- 该AutoMal工具有效地识别长期护理环境中的营养不良.
- 它依赖于共同的电子健康记录变量,可实现自动化和高效的营养不良查.
- "AutoMal"有潜力改善在这个脆弱人群中早期发现和管理营养不良.
