Search the digital library catalog

Abstract: Izhodišča: Neprepoznana podhranjenost pri hospitaliziranih otrocih in mladostnikih lahko vodi v kronično podhranjenost, otežuje zdravljenje osnovne bolezni ter poslabša klinične izide. Z rutinskim presejanjem tveganja za podhranjenost ob hospitalizaciji se olajša pravočasno prepoznavanje podhranjenosti, z ustreznimi prehranskimi intervencijami se preprečijo trajne posledice podhranjenosti, zmanjšajo se stroški zdravljenja in skrajša se hospitalizacija otrok in mladostnikov. Priporoča se uporaba presejalnega orodja, razvitega v kliničnem okolju za točno določeno populacijo hospitaliziranih otrok in mladostnikov ter kliniko. Namen doktorske disertacije je bil razviti model za ugotavljanje tveganja podhranjenosti pri hospitaliziranih otrocih in mladostnikih z metodami podatkovnega rudarjenja in neinvazivnimi kazalniki. Metode: Izvedli smo presečno opazovalno raziskavo z uporabo zaporednega eksplorativnega načrta mešanih metod na populaciji hospitaliziranih otrok in mladostnikov, starih od 1 meseca do 18 let. V kvalitativnem delu smo podatke zbrali s pregledom, analizo in sintezo literature ter jih analizirali z induktivnim generiranjem kategorij spremenljivk, ki so bile vključene v obrazec z vprašanji. V kvantitativnem delu smo podatke zbrali z obrazcem z vprašanji, zdravnikovo poglobljeno oceno prehranskega tveganja, klasifikacijo prehranskega stanja Svetovne zdravstvene organizacije, antropometričnimi meritvami in anketiranjem staršev otrok oz. mladostnikov. Podatke smo analizirali z uporabo deskriptivne in inferenčne statistike ter inteligentnimi metodami podatkovnega rudarjenja. Rezultati: Od 180 otrok in mladostnikov jih je v učni skupini sodelovalo 142 in v testni 38. Od 277 zbranih spremenljivk, vključenih v zbiranje podatkov, smo v razvoj modelov vključili 30 statistično značilnih, kot so: izguba telesne mase, izguba mišične ali maščobne mase, prehranski vnos, gastrointestinalni simptomi. Razvili smo 3 statistične modele in 10 modelov podatkovnega rudarjenja. Najboljše rezultate testiranja ima model GP (AUC = 1, 95 % IZ 1, 1), med statističnimi pa model Logistična regresija (AUC = 0,977, 95 % IZ 0,922, 1). Ujemanje modela GP s poglobljeno oceno prehranskega tveganja je popolno (κ = 1, 95 % IZ 1, 1). Ujemanje modela Logistična regresija s poglobljeno oceno prehranskega tveganja je prav tako skoraj popolno (κ = 0, 837, 95 % IZ 0,659, 1,014) s Se 93,3 %, Sp 91,3 %, PPV 95,5 % in NPV 87,5 %. Ujemanje s SZO klasifikacijo prehranskega stanja je pri obeh modelih precejšnje (κ = med 0,73 in 0,78). Nobeden od razvitih modelov se ne razlikuje statistično značilno od poglobljene ocene prehranskega tveganja in SZO klasifikacije prehranskega stanja. Model, razvit z inteligentnimi metodami, je v primerjavi s statističnim modelom uspešnejše ugotavljal podhranjenost pri hospitaliziranih otrocih in mladostnikih, prav tako v primerjavi s SZO klasifikacijo prehranskega stanja. Razprava in zaključek: Vseh 13 razvitih modelov presejanja je dokazano veljavnih z visoko napovedno vrednostjo ugotavljanja tveganja za podhranjenost. Priporočamo testiranje modelov na večji populaciji hospitaliziranih otrok in mladostnikov v ostalih pediatričnih zdravstvenih institucijah v Sloveniji. S tem bi modele modificirali, dopolnjevali in prilagodili kliniki, v kateri bi jih uporabljali z namenom zagotavljanja kakovosti celostne zdravstvene obravnave otrok in mladostnikov. Uvajanje rutinskega prehranskega presejanja z razvitimi modeli predstavlja temelj sistematične obravnave klinične poti prehranskega presejanja.
Keywords: tveganje za podhranjenost, nedohranjenost, prehransko presejalno orodje, otrok, prehransko stanje
Published in DKUM: 30.09.2024; Views: 0; Downloads: 37
Full text (8,53 MB)