De grootste kennisbank van het HBO

Inspiratie op jouw vakgebied

Vrij toegankelijk

Terug naar zoekresultatenDeel deze publicatie

Validatieonderzoek van de EiFit-app : Een cross-sectioneel en observationeel onderzoek: Is de EiFit-app een valide meetinstrument om patiënten met een te lage eiwit- en energie-inname tijdens de ziekenhuisopname te identificeren?

Validatieonderzoek van de EiFit-app : Een cross-sectioneel en observationeel onderzoek: Is de EiFit-app een valide meetinstrument om patiënten met een te lage eiwit- en energie-inname tijdens de ziekenhuisopname te identificeren?

Samenvatting

Achtergrond: Het monitoren van eiwit- en energie-inname van patiënten helpt te bepalen of een patiënt een verhoogd risico heeft op ondervoeding. In de praktijk is hier geen tijd voor. Een eenvoudig te gebruiken meetinstrument, zoals de EiFit-app, kan helpen te kunnen concluderen of een patiënt voldoende eet. Dit onderzoek is gericht op het valideren van de betrouwbaarheid van de EiFit-app. Methoden: De onderzoeksmethode was een cross-sectioneel en observationeel onderzoek in het Amsterdam UMC. Daarbij hebben 55 patiënten de voedingsinname bijgehouden in de EiFit-app. De EiFit-app werkt als volgt: gedurende de dag werden punten voor de maaltijden en tussendoortjes opgeteld tot een dagscore, gebaseerd op de Rate-a-Plate methode waarbij één punt staat voor ongeveer 130 kilocalorieën en 5 gram eiwit. Een som van ≤9 punten werd gecategoriseerd als slechte inname, 1015 punten als matig en ≥16 punten als voldoende. De EiFit-app puntentelling werd vergeleken met de geobserveerde eiwit- en energie-inname, die voor en na iedere maaltijd werd ingeschat en geregistreerd. Overeenkomsten tussen de geobserveerde en de EiFit-methode zijn geanalyseerd met behulp van correlaties, Paired Samples T-Test en Bland-Altman plots. Sensitiviteit, specificiteit, positieve overschatting en negatieve onderschatting zijn gebruikt om de overeenkomsten van de punten categorisering in kaart te brengen. Teneinde de gebruiksvriendelijkheid, kwaliteit en toepasbaarheid van de EiFit-app te beoordelen, is ook gekeken naar andere internationaal aangeboden voedingsmonitoringsapps. Resultaten: De verkregen resultaten zijn redelijke significante correlaties tussen de EiFit-methode en geobserveerde methode voor totaal eiwit (ICC = 0.665, P<0.001), energie totaal (ICC=0.559, P<0.001). Voor de eiwitinname zijn vaker redelijke correlaties gevonden dan voor de energie-inname. De Bland-Altman plots laten een evenredige verdeling zien tussen de onder- en overschatting van het totaal aantal grammen eiwit van de totale inname. Bij de ochtendmaaltijd en avondmaaltijd is dit vaker een overschatting, bij de middagmaaltijd een onderschatting. De EiFit-app overschat vaker voor energie (kcal) dan voor eiwitten. De EiFit-app scoort ten opzichte van andere voeding apps goed op het vroegtijdig signaleren van slechte eiwit- en energie-inname, is gebruiksvriendelijk voor 65+ en neemt minimaal tijd in beslag. Conclusie: De EiFit-app is klinisch relevant voor het inschatten van alle maaltijdmomenten voor de eiwitinname en ochtend- en middagmaaltijd voor energie-inname. De EiFit-app kan worden gebruikt om de eiwit- en energie-inname bij gehospitaliseerde patiënten grof in te schatten.

Toon meer
OrganisatieHogeschool van Amsterdam
OpleidingVoeding en Diëtetiek
AfdelingBewegen, Sport en Voeding
Jaar2022
TypeBachelor
TaalNederlands

Op de HBO Kennisbank vind je publicaties van 26 hogescholen

De grootste kennisbank van het HBO

Inspiratie op jouw vakgebied

Vrij toegankelijk