Svårt och exakt, eller enkelt och...

Svårt och exakt, eller

enkelt och ungefärligt?

En systematisk genomgång av valideringsstudier på

prediktiva ekvationer jämfört med indirekt

kalorimetri för bedömning av energibehov hos äldre

kritiskt sjuka patienter

EMELIE HAGSTRÖM

ANNA ISITMAN

Institutionen för kostvetenskap

Box 560

Besöksadress: BMC, Husargatan 3

751 22 Uppsala

Examensarbete C, 15hp

Grundnivå

HT 2018

UPPSALA UNIVERSITET HT 2018 Institutionen för kostvetenskap Examensarbete C 15 hp/2HK046, 15 hp Grundnivå

Titel: Svårt och exakt, eller enkelt och ungefärligt? - En systematisk genomgång av

valideringsstudier på prediktiva ekvationer jämfört med indirekt kalorimetri för bedömning av

energibehov hos äldre kritiskt sjuka patienter. Författare: Emelie Hagström & Anna Isitman

Sammanfattning

Bakgrund: Studier som jämfört prediktiva ekvationer med indirekt kalorimetri (IC) vid

bedömning av energibehov hos äldre respektive hos kritiskt sjuka betonar vikten av att

använda IC, då de flesta prediktiva ekvationer inte är anpassade efter dessa grupper. Vid

frånvaro av IC är ekvationerna ett tids- och kostnadseffektivt alternativ. Dessa

patientgrupper är högriskgrupper för undernäring respektive negativa konsekvenser av

felnäring. Syfte: Undersöka huruvida prediktiva ekvationer för bedömning av energibehov hos äldre

kritiskt sjuka personer kan utgöra ett substitut till IC, och i så fall vilka prediktiva

ekvationer.

Metodbeskrivning: Systematisk litteratursökning genomfördes i databaserna PubMed,

Scopus och CINAHL. Sökorden som användes var critical* ill*, elderly, indirect

calorimetry och equations. Inklusionskriterierna var äldre > 60 år, kritiskt sjuka patienter,

IC som referensmetod och prediktiva ekvationer som indexmetod. Översiktsartiklar och

metaanalyser exkluderades. Nio artiklar valdes ut och granskades enligt SBU:s “mall för

kvalitetsgranskning av diagnostiska studier”, en artikel exkluderades i samband med detta.

Evidensgradering gjordes utifrån GRADE-systemet för att bedöma evidensstyrkan av det

samlade underlaget.

Resultat: Resultaten visar på viss överensstämmelse mellan IC och två prediktiva

ekvationer, beroende på BMI. De två ekvationer som stämde bäst överens var PSU(2003b)

för BMI < 30 och BMI ≥ 45, och PSU(2010) för BMI ≥ 30. Evidensen är begränsad

respektive måttlig.

Slutsats: Det vetenskapliga underlaget är för litet för att kunna svara på om ekvationerna

kan ersätta indirekt kalorimetri. Fler studier som validerar PSU(2003b) och PSU(2010)

behövs. Mätningar hos alla patienter överensstämde inte, varför IC bör fortsätta vara gold

standard.

Nyckelord: Indirekt kalorimetri, Prediktiva ekvationer, Kritisk sjukdom, Äldre, Fetma

UPPSALA UNIVERSITET HT 2018 Institutionen för kostvetenskap Examensarbete C 15 hp/2HK046, 15 hp Grundnivå Title: Complicated and exact, or easy and rough? – A systematic review of validation studies on

predictive equations compared to indirect calorimetry for assessing energy requirements in elderly

critically ill patients. Author: Emelie Hagström & Anna Isitman

Abstract

Background: Validation studies comparing predictive equations with indirect calorimetry

(IC) for assessment of energy expenditure in elderly and in critically ill, recommend IC, as

most predictive equations are adapted for other groups. In absence of IC, the equations are

time and cost effective. These patient groups are associated with malnutrition and

overnutrition. Purpose: Investigate whether predictive equations for estimating energy requirements for

critically ill elderly are suitable to replace IC, and if so which equations.

Method: Systematic searches were conducted in the databases PubMed, Scopus and

CINAHL. Search terms were critical* ill*, elderly, indirect calorimetry and equations.

Inclusion criterias were elderly > 60 years, critically ill, ICU patients, IC as gold standard

and predictive equations as index method. Reviews and meta analyses were excluded. Nine

articles were included and reviewed according to the SBU template “mall för

kvalitetsgranskning av diagnostiska studier”, upon review one article was excluded.

Evidence was graded according to GRADE. Results: The results demonstrate some agreement between IC and two predictive

equations, depending on BMI. The two equations that had most agreement was

PSU(2003b) for BMI < 30 and BMI ≥ 45, and PSU(2010) for BMI ≥ 30. The evidence is

limited and moderate, and few studies have validated the equations.

Conclusion: The scientific evidence is too limited to answer the question if equations can

replace IC. More studies that validates PSU(2003b) and PSU(2010) are necessary. The

measurements did not agree with all patients, therefore IC should continue to be the gold

standard.

Key words: Indirect calorimetry, Predictive equations, Critically ill, Elderly, Obesity

Innehåll Bakgrund ............................................................................................................................................ 1

1.1 Den äldre människan ............................................................................................................ 1

1.2 Kritisk sjukdom ..................................................................................................................... 1

1.3 Energiförbrukning................................................................................................................. 2

1.4 Mätning av energiförbrukning ............................................................................................. 2

1.5 Gold standard för mätning av energiförbrukning ................................................................ 3

1.6 Prediktiva ekvationer ........................................................................................................... 3

1.7 Fastställa energibehov för kritiskt sjuka patienter ............................................................... 3

1.8 Fastställa energibehov för sjuka äldre patienter ................................................................. 4

1.9 Problemformulering ............................................................................................................. 5

1.10 Syfte .................................................................................................................................... 5

1.11 Frågeställning ..................................................................................................................... 5

2. Metod ............................................................................................................................................. 5

2.1 Val av metod ........................................................................................................................ 5

2.2 Inklusions- och exklusionskriterier ....................................................................................... 6

2.3 Datainsamlingsmetod .......................................................................................................... 6

2.4 Databearbetning .................................................................................................................. 7

2.5 Kvalitetsgranskning .............................................................................................................. 8 2.6 Etisk reflektion ...................................................................................................................... 9

3. Resultat ........................................................................................................................................ 10

3.1 Enskilda studiers resultat ................................................................................................... 10

3.2 Evidensgradering ................................................................................................................ 18

4. Diskussion ..................................................................................................................................... 19

4.1 Sammanfattning av huvudresultatet ................................................................................. 19

4.2 Egna resultat i relation till syftet och adekvat litteraturgenomgång ................................. 19

4.3 Valideringsstudiernas metod ............................................................................................. 22

4.4 Metoddiskussion ................................................................................................................ 22

4.5 Uppsatsens resultat i relation till dietistprofessionen ....................................................... 24

5. Slutsats ......................................................................................................................................... 25

Referenser ........................................................................................................................................ 26

Bilaga 1. ............................................................................................................................................ 30

Bilaga 2. ............................................................................................................................................ 32

Bilaga 3. ............................................................................................................................................ 33

Bilaga 4. ............................................................................................................................................ 34

ORDLISTA

REE = vilometabolism MREE = uppmätt energiförbrukning genom indirekt kalorimetri TEE = Total energiförbrukning under ett dygn AT = aktivitets-termogenes TEF = termogena effekten från födan BMI = body mass index PAL = aktivitetsnivå FFM = fettfri massa FM = fettmassa kcal = kilokalorier IC = indirekt kalorimetri PE = prediktiva ekvationer ICU = intensivvårdsavdelning RQ = respiratorisk kvot FiO2 = andelen av inspirerat syre APACHE = Acute Physiology and Chronic Health Evaluation CI = konfidensintervall ICC = intra-klass-korrelationskoefficienten SF = stressfaktor ABW = faktiskt kroppsvikt IBW = ideal kroppsvikt REE-PE = uppskattad energiförbrukning genom prediktiva ekvationer RMSPE (precision) = Skillnaden mellan beräknande och uppmätta värden dividerat med

vilometabolismen

Ekvationer HB = HB(ABW) = Men: 13.75(W) + 5(H) – 6.8(A) + 66 Women: 9.6(W) + 1.8(H) – 4.7(A) + 655 HB(IBW) = standard ekvation med användning av idealvikt istället för ABW HBEa(25) = (ABW – IBW)0.25 + IBW HBEa(25) x 1.25 = ((ABW – IBW)0.25 + IBW) x 1.25 HBEa(50) = (adjusted wt – IBW)0.50 + IBW HBEa(50) × 1.25 = ((adjusted wt – IBW)0.50 + IBW) x 1.25 ESPENmi = 20 kcal/kg/dag ESPENme = 22.5 kcal/kg/dag ESPENma = 25 kcal/kg/dag Fredrix = 1641 + (10.7 × W) – (9 × A) − (203 × S) Lührmann = 3169 + (50 × W) − (15.3 × A) + (746 × S) Mifflin St Jeor = Men: 10(W) + 6.25(H) – 5(A) + 5 Women: 10(W) + 6.25(H) – 5(A) – 161 Mifflin x 1.25 = standard multiplicerat med 1.25 ACCP = 25kcal/kg (ABW in obese subjects) 25 kcal/kg (adjusted W in obese subjects) Swinamer = BSA(941) – A(6.3) + T(104) + RR(24) + Vt(804) – 4243 Ireton-Jones = W(5) – A(10) + Male(281) + T(292) + B(851) Brandi = HBE(0.96) + HR(7) + Ve(48) – 702

PSU(2003)/PSU(HBE) = HBE(0.85) + Tmax(175) + Ve(33) – 6344 PSU(1998)/PSU(HBEa) = HBEa(1.1) + Tmax(140) + Ve(32) – 5340 PSU(2003b)/PSU(m)/PSU(standard)= Mifflin(0.96) + Tmax(167) + Ve(31) – 6212 PSU (2010)/PSU(modified)= Mifflin(0.71)+ Tmax(85) + Ve(64) – 308 Faisy = W(8) + H(14) + Ve(32) + T(94) – 4834 Faisy-Fagon = (8 x W) + (14 x H) + (32 x Vm) + (94 x T)-4834 ESICM statement (> 60 years) = 24-30 kcal/kg/dag

A - age in years

B - burn = 1, if non = 0

H - height in cm

S - sex

T - trauma = 1, if non = 0

BSA = body surface area (m2)

RR = respiratory rate (breaths/min)

Tmax = maximum body temperature in the past 24h (°C)

HR = heart rate in beats per minute

Vt = tidal volum

Ve = minute volume

Vm = Minute ventilation

W = current weight in kg

IBW = ideal body weight

ABW = actual body weight

1

1. Bakgrund

1.1 Den äldre människan

Vid vilken ålder definieras en person som äldre? Svaret på detta varierar men enligt FN:s

definition på åldrande tillhör alla från och med 60 års ålder en population som definieras som äldre (UN, 2017). I och med att andelen äldre ökar i samhället, både i Sverige och i

övriga delar av världen, så ökar därmed andelen sjuka äldre (SCB, 2017) (WHO, 2018).

Inom intensivvården ökar antalet äldre patienter och diagnoserna varierar från kroniska

sjukdomar till akuta skador (Marik, 2006).

Åldrandet är en naturlig process och stegvis förändras kroppens funktioner i takt med ökad

ålder. Energibehovet förändras under livets gång och med åldern förändras

kroppssammansättningen och organfunktioner vilket påverkar energibehovet hos den

åldrande människan. Som resultat av detta minskar vilometabolismen (REE) och

energibehovet minskar med uppskattningsvis cirka 3 procent per årtionde hos vuxna

(Wellman & Kamp, 2017). Kvinnor har generellt sett lägre REE än män, men denna

skillnad blir mindre i takt med åldrandet (Cooper et al., 2013). Gaillard, Alix, Sallé, Berrut,

& Ritz (2007) kommer i sin review fram till att kön inte har någon effekt på REE hos

människor över 60 år. Med åldern minskar muskelmassan naturligt vilket leder till minskad

styrka och funktionalitet som i sin tur resulterar i mindre rörlighet och fysisk aktivitet,

detta påverkar också det totala energibehovet (Wellman et al., 2017).

Undernäring bör undvikas vid behandling av sjukdom (Frankenfield, Roth-Yousey &

Compher, 2005). Det kan leda till konsekvenser som ökad sjuklighet, ökad längd på

sjukhusvistelse och ökad dödlighet. Äldre personer är en speciell riskgrupp för undernäring

och har ett stort behov av nutritionsbehandling för att minska risken för detta (Oshima et

al., 2016). Ett annat problem i detta spektrum är prevalensen av övervikt och fetma i

världens alla åldersgrupper, och äldre är inget undantag. Trots att studier har visat att

dödligheten minskar hos äldre med ett högt BMI så medför övervikt och fetma ett tungt

lass av negativa effekter som den äldre populationen kan påverkas starkt av (Goisser,

Kemmler & Porzel, 2015). Dessutom kan fetma och undernäring, det vill säga brist på

näringsämne, förekomma samtidigt (Robinson Mogensen & Casey, 2015).

1.2 Kritisk sjukdom

Kritiska sjukdomstillstånd innefattar de tillstånd som är livshotande och kan påverka ett

eller flera vitala organsystem, som exempelvis respirationssystemet, centrala nervsystemet,

cirkulationssystemet, njur- och leverfunktionen samt metabolismen. För att förhindra

ytterligare funktionsnedsättning av dessa system krävs intensivsjukvård (Bennett,

Robertson, & Al-Haddad, 2016). Den totala energiförbrukningen kan i samband med

sjukdomsförloppet öka eller minska i proportion till sjukdomstillstånd samtidigt som

nedbrytning av fett och muskler sker (Ireton-Jones, 2017).

2

Singer et al. (2018) hävdar att ”varje patient i akut sjukdomstillstånd som stannar mer än

48 timmar i intensivvård ska betraktas ha risk för undernäring”. Undernäring i samband

med intensivsjukvård kan leda till ett flertal komplikationer. På kort sikt kan hypoglykemi

och hypotermi uppstå, medan det på lång sikt kan leda till infektioner, försämrad

immunitet, försämrad läkning, förlust av kroppsmassa och försämrad muskelfunktion.

Övernutrition har också kortsiktiga skadliga konsekvenser hos kritiskt sjuka patienter, som

bland annat hyperglykemi, hyperlipidemi, försämrat immunförsvar, ökad fettmassa, ökad

infektionskänslighet och leversteatos (Oshima et al., 2016). Prevalensen av kritiskt sjuka

patienter med fetma ökar på vårdavdelningar (Singer et al., 2018). Robinson et al. (2015)

kom i sin studie fram till att undernärda kritiskt sjuka patienter med fetma hade en sämre

prognos än de som inte var undernärda.

1.3 Energiförbrukning

Människans totala energiförbrukning under ett dygn (TEE) utgörs av vilometabolism

(REE), aktivitets-termogenes (AT) och den termogena effekten från födan (TEF). REE är

den energi som går åt i vaket tillstånd till att upprätthålla normala kroppsfunktioner och

homeostas, inklusive den energi som går åt till att hålla värmen (Ireton-Jones, 2017). REE

utgör med ungefär 70 procent den största andelen av energiförbrukningen. Den termogena

effekten från maten uppgår till mellan fem och 10 procent, medan den energiförbrukning

som orsakas av fysisk aktivitet bidrar till cirka 20 till 40 procent beroende på

aktivitetsnivå. För att härleda den totala energiförbrukningen multipliceras REE med PAL-

värdet, som är en kvot på uppskattad aktivitetsnivå (Andersson et al., 2013).

Det finns ett flertal faktorer som påverkar REE hos individer. Ireton-Jones (2017)

beskriver att kroppsstorlek och kroppssammansättning har störst effekter, där högre

kroppsstorlek och högre andel fettfri massa (FFM) genererar en högre REE. Övriga

faktorer som påverkar REE är kön, ålder, klimat, hormonstatus, kroppstemperatur, intag av

koffein, nikotin och alkohol, samt stress och sjukdom (Ireton-Jones, 2017).

För att upprätthålla balans utifrån den energi som människan gör sig av med krävs ett

adekvat intag av energi från den konsumerade maten. Kroppen kan tillgodogöra sig energi

från allt som innehåller kilokalorier (kcal), vilket är makronutrienterna kolhydrater, fett

och protein men även fiber och alkohol. Konsumtion av för lite eller för mycket energi

leder till viktnedgång respektive viktuppgång (Ireton-Jones, 2017).

1.4 Mätning av energiförbrukning

Hälso- och sjukvården behöver känna till energibehovet hos den äldre populationen för att

kunna genomföra individuella nutritionsbedömningar och följa upp planerad

nutritionsbehandling (Wellman et al., 2017). Enligt Psota & Chen (2013) bör indirekt

kalorimetri (IC) vara standardverktyg vid bedömning av energibehov hos geriatriska

patienter. Författarna menar att den individualiserade nutritionsbehandlingen blir mer

aktuell i och med ökningen av äldre patienter och refererar till Gaillard et al. (2007). I

samband med detta bör användning av IC öka (Psota et al., 2013). Det finns dock vissa

svårigheter förknippade med mätningar på denna population, som svårigheter att behålla en

lugn andning och vara avslappnad under mätningen (Psota, et al., 2013). Ett flertal andra

metoder har utvecklats för att mäta energiförbrukning hos människor, men de används

3

enbart vid forskning då de är dyra och svåra att implementera i kliniska verksamheter. Så

är fallet med direkt kalorimetri och dubbelmärkt vatten. Direkt kalorimetri fastställer

energiförbrukningen genom registrering av värmeproduktionen från individer. För

mätningen krävs ett specialdesignat rum eller en kammare. Dubbelmärkt vatten genererar

information om utsöndringen av koldioxid under 10 till 14 dagar (Ireton-Jones, 2017).

Andra metoder, som estimering av energiförbrukning med hjälp av Ficks princip

(VO2=(CaO2-CvO2)xCOx10) hos patienter som har en lungartärkateter, är svåra att

genomföra. Endast en liten andel av alla patienter har lungartärkateter, och ingreppet är

alltför invasivt för att utföras för mätning av energiförbrukning som enda syfte (Oshima et

al., 2016).

1.5 Gold standard för mätning av energiförbrukning

IC är den vanligaste metoden för att mäta energiförbrukning på patienter i sjukhusmiljöer,

så kallad gold standard eller referensmetod (Haugen, Chan & Li, 2007). Genom att

registrera syrekonsumtion och koldioxidproduktion kan REE härledas (Ireton-Jones, 2017).

Utrustningen, en så kallad respirometer, består av en dator med en ventilerad huva eller en

portabel andningsmask (Andersson et al., 2013). Den första används på vilande patienter

och enligt Ireton-Jones (2017) är den vanligast på intensivvårdsavdelningar. Den senare

kan användas under viss aktivitet, som cykling inomhus eller löpning på löpband. Det finns

också portabla respirometrar som kan användas under aktiviteter som inte sker på en och

samma plats, till exempel utomhuslöpning (Andersson et al., 2013).

Ett antal specifika kriterier måste uppfyllas för mätning med IC. Det krävs fem timmars

fasta, fyra timmar utan kaffe, två timmar utan alkohol och nikotin och 30 minuters vila för

att bestämma REE. REE kan mätas på friska såväl som på sjuka. Mätning av REE på en

sängbunden patient motsvarar patientens totala energibehov i och med avsaknaden av

fysisk aktivitet (Oshima et al., 2016).

1.6 Prediktiva ekvationer

När det inte går att mäta energiförbrukning med IC finns prediktiva ekvationer som ett

alternativ i den kliniska verksamheten. Flertalet prediktiva ekvationer har härletts utifrån

mätningar med IC på friska vuxna individer. Genom att ta hänsyn till kön, vikt, längd,

ålder och i vissa fall FFM, kan REE uppskattas. Två av de vanligaste ekvationerna är

Harris-Benedict (HB) och Mifflin-St. Jeor (Mifflin). De är utvecklade för att användas på

friska människor (Ireton-Jones, 2017). Genom att härleda olika stressfaktorer för

sjukdomar har de befintliga ekvationerna justerats utifrån ambitionerna att stämma bättre

överens med sjuka populationer. Det finns därför flera justerade versioner av de

ursprungliga ekvationerna, Ireton-Jones 1997 är exempelvis en justering av Ireton-Jones

1992 (Walker & Heuberger, 2009).

1.7 Fastställa energibehov för kritiskt sjuka patienter

IC är gold standard även hos kritiskt sjuka för att bedöma energibehov (Walker et al.,

2009). Trots flertalet implikationer på att IC är det bästa verktyget för att få en bild av

exakt energibehov hos en variation av patienter med olika sjukdomstillstånd så används det

inte rutinmässigt inom sjukvården världen över. Respirometrar är dyra och finns därför

4

ofta inte tillgängliga. De maskiner som finns är i regel stora och klumpiga, kräver

kalibrering och uppvärmning inför mätning. Resultaten är svårtolkade och efter mätning

ska apparaterna desinficeras. Hela proceduren kräver mycket resurser i form av arbetskraft

(Oshima et al., 2016). Det finns också fall där IC inte är lämpligt, till exempel när stor

andel syre krävs, om patienten har toraxdrän, acidos eller vid användning av

kompletterande syre (Winkler & Malone, 2017).

Flera valideringsstudier kommer fram till att prediktiva ekvationer misstämmer vid

bedömning av energibehov hos kritiskt sjuka (Walker et al., 2009), (Reid, 2007). Olika

valideringsstudier kommer dock fram till olika resultat. Walker et al. (2009) föreslår Penn

State (PSU) 1998 och 2003, Ireton-Jones och Swinamers ekvationer som potentiell

ersättning för IC hos den kritiskt sjuka populationen. Japur, Penaforte, Chiarello, Monteiro,

Vieira & Basile-Filho (2009) finner i sin undersökning att HB med en korrektionsfaktor

kan användas som ett substitut till IC. Frankenfield, Hise, Malone, Russell, Gradwell &

Compher (2007) menar i sin review att PSU(2003), Swinamer och Ireton-Jones är de som

är mest överensstämmande vid kritisk sjukdom hos icke obesa patienter, medan Ireton-

Jones, och PSU(1998) verkar kunna användas för obesa kritiskt sjuka.

Det är viktigt att uppmärksamma att prediktiva ekvationer aldrig tar hänsyn till de

metabola förändringar som sker hos kritiskt sjuka patienter och det finns risk för

felbedömning (Oshima et al., 2016). Emellertid behöver IC utföras kontinuerligt hos

kritiskt sjuka eftersom deras energibehov fluktuerar kraftigt över tiden. Frankenfield,

Ashcraft, & Galvan (2012) kommer i sin longitudinella valideringsstudie fram till att

mätningar med IC är tidsödande. Daglig mätning av en population på 10 individer tog fem

timmar i anspråk varje dag.

1.8 Fastställa energibehov för sjuka äldre patienter

I litteraturgenomgången av energibehov hos sköra äldre av Gaillard et al. (2007) kommer

författarna fram till att det är möjligt att räkna ut energibehov med HB:s ekvation för sjuka

äldre personer, och att REE hos äldre sjuka i annan än kritisk sjukdom, inte nämnvärt

skiljer sig mot REE hos äldre friska. I en korsvalidering på friska vuxna är konklusionen

att HB och World Health Organizations ekvationer är mest tillförlitliga på gruppnivå,

utförandet på individnivå är inte lika övertygande (Flack, Siders, Johnson & Roemmich,

2016).

Vid uppskattning av energibehov hos äldre med fetma kan det uppstå svårigheter eftersom

faktorer som mängden av FFM och fettmassa (FM) är avgörande för energibehovet.

Tidigare förespråkades att obesa patienter hade en lägre energiförbrukning än

normalviktiga. Denna föreställning lever kvar än idag trots att ny forskning visar att det är

tvärtom, obesa har högre REE och total energiförbrukning än normalviktiga (Carneiro,

Elliott, Siervo, Padwal, Bertoli, Battezzati & Prado, 2016). En studie som validerade

prediktiva ekvationer hos äldre obesa i öppenvården fastslog att Fredrix ekvation var den

som stämde bäst överens med uppmätt energiförbrukning. Dock är ämnet prediktiva

ekvationer för äldre obesa inte välutforskad då få försök har gjorts för att validera

ekvationer i populationen (Siervo, Labanca, & Colantuoni, 2008).

5

1.9 Problemformulering

Kritisk sjukdom kan bidra till en ökning eller minskning av energiförbrukningen, och det

är nödvändigt att känna till energibehovet för att kunna utföra en adekvat

nutritionsbehandling. Äldre människor utgör en riskgrupp för malnutrition under

sjukhusvistelse, och kombinationen kritiskt sjuka och äldre har ökat i utsträckning.

Dessutom lider många äldre och många kritiskt sjuka av övervikt eller fetma, vilket

adderar ytterligare en dimension vid bedömningen av energibehov.

En del studier som jämför IC med prediktiva ekvationer hos äldre respektive hos kritiskt

sjuka betonar vikten av att använda IC, då de prediktiva ekvationer som finns idag inte är

anpassade efter dessa grupper. Andra har i jämförelser sett att vissa ekvationer inte skiljer

sig mycket från IC på gruppnivå för sjuka äldre patienter. För energibedömning hos kritiskt

sjuka kan ekvationer användas om tillgång till IC inte finns, med en större eller mindre

felmarginal. Vissa ekvationer verkar kunna användas för kritiskt sjuka patienter med

fetma.

Med avseende på svårigheterna förknippade med att faktiskt utföra mätningar med IC, och

riskerna som följer med malnutrition och övernutrition, är det viktigt att utreda vilka som

är de bästa alternativen för att estimera energibehov hos kritiskt sjuka äldre i den kliniska

verksamheten. Då prediktiva ekvationer är tids- och kostnadseffektiva skulle en

systematisk genomgång av befintliga valideringsstudier, så kallade diagnostiska studier,

kunna bidra till klarhet i frågan och hjälpa kliniskt verksamma som inte har möjlighet att

utföra mätningar. Att som en del i detta studera överensstämmelsen hos prediktiva

ekvationer för fetma i den valda populationen är relevant då prevalensen ökar hos äldre och

hos kritiskt sjuka och eftersom samtidig undernäring kan förekomma.

1.10 Syfte

Undersöka huruvida prediktiva ekvationer för bedömning av energibehov hos äldre kritiskt

sjuka personer kan utgöra ett substitut till indirekt kalorimetri, och i så fall vilka prediktiva

ekvationer.

1.11 Frågeställning

Finns det ekvationer som skulle kunna ersätta indirekt kalorimetri för äldre kritiskt sjuka?

Om ja, kan dessa ekvationer användas oavsett BMI?

2. Metod

2.1 Val av metod

För att besvara syftet och dess frågeställningar gjordes en systematisk litteraturgenomgång

med utgång i SBU:s metodbok för systematiska litteraturstudier (2017). Resultatet från de

inkluderade studiernas valideringsmetoder tolkades i en narrativ sammanvägning (SBU,

2017).

6

2.2 Inklusions- och exklusionskriterier

För urvalet av artiklar vid litteratursökningen användes följande kriterier.

Inklusionskriterier

Vetenskapliga artiklar publicerade de senaste 10 åren (2009-2018)

Patienter 60 år och äldre som är kritiskt sjuka och inlagda på en intensivvårdsavdelning

(ICU)

IC som referensmetod och prediktiva ekvationer som indexmetod

Artiklar skrivna på engelska

Publicerade i en refereegranskad tidskrift

Ha ett abstrakt

Relevant gentemot syfte och frågeställning

Exklusionskriterier

Systematiska översiktsartiklar och metaanalyser

2.3 Datainsamlingsmetod

Litteratursökningen genomfördes i de vetenskapliga databaserna Pubmed, CINAHL och

Scopus. Tabell 2.1 visar en sammanställning över sökningen. MeSH-termer utformades för

Pubmed med hjälp av Karolinska Institutets databas Svenska MeSH (Medical Subjekt

Headings) som är ett översättningssystem som finns elektroniskt tillgängligt på Karolinska

Institutets hemsida (KI, 2017). De MeSH-termer som användes var Critical Illness, Energy

Metabolism, Aged, Aged 80 and over och Calorimetry, indirect. Utöver dessa användes

rena sökord och sökord med en asterisk (*) för att inkludera alla ändelser. Sökorden som

användes var critical* ill*, elderly, indirect calorimetry och equations. Enligt Forsberg &

Wengström (2008) kan de booleska operatorerna AND, OR och NOT avgränsa

litteratursökningen och de kan kombineras i en sökning. Vid användning av operatorn

AND ger det ett snävare resultat genom att hitta material som innehåller både A och B.

Operatorn OR hittar material som innehåller A eller B som resulterar i att sökningen

utvidgas. Operatorn NOT hittar material som innehåller A men inte B och denna

kombination avgränsar sökningen (Forsberg & Wengström, 2008). Sökningar begränsades

till de senaste 10 åren i samtliga databaser och i Pubmed till att enbart innefatta människor

då Pubmed var den enda databasen som hade detta filter. Efter att de slutliga artiklarna har

inkluderats bör en manuell sökning utföras utifrån referenslistorna i de valda artiklarna

(Forsberg & Wengström, 2008). Därför genomfördes en manuell sökning och likt

databassökningen lästes titel och abstrakt av de utvalda artiklarna. Det tillkom ingen ny

artikel genom den manuella sökningen.

7

Tabell 2.1 Litteratursökning

Databas Datum Söktermer Avgränsning Antal

träffar

Urval 1 Urval 2

Pubmed 2018-11-20 "Critical Illness"[MeSH]

AND "Energy

Metabolism"[MeSH] AND

("Aged"[MeSH] OR "Aged,

80 and over"[MeSH])

10 år,

humans

63 23 9

Pubmed 2018-11-20 "Critical Illness"[MeSH]

AND "Calorimetry,

indirect"[MeSH] AND

("Aged"[MeSH] OR "Aged,

80 and over"[MeSH])

10 år,

humans

34 0 (22) 0

Pubmed 2018-11-20 critical* ill* AND elderly

AND indirect calorimetry

AND equations

10 år,

humans

20 3 (11) 0

Scopus 2018-11-20 “critical* ill*” AND elderly

AND “indirect calorimetry”

AND equations

10 år 11 1 (10) 0

CINAHL 2018-11-20 “critical* ill*” AND elderly

AND “indirect calorimetry”

AND equations

10 år 3 0 (3) 0

2018-12-14 Manuell sökning utifrån

referenslistor

10 år 0 0 0

TOTALT 131 27 9

(x) - Siffran i parentesen anger antalet dubbletter.

2.4 Databearbetning

Litteratursökningen genomfördes av två oberoende granskare. Figur 2.1 illustrerar

urvalsprocessen. Sökning i databaserna resulterade i 131 stycken artiklar och vid första

urvalet valdes artiklar vars titlar och abstract ansågs vara relevanta gentemot inklusion- och

exklusionskriterierna. Efter borttagning av dubbletter återstod 27 artiklar som lästes i

fulltext. Inför det andra urvalet diskuterades gemensamt av granskarna vilka artiklar som

skulle inkluderas, därefter kvarstod nio artiklar. Se bilaga 1 för exkluderade artiklar.

Ytterligare en artikel exkluderades vid kvalitetsbedömning, vilket resulterade i att åtta

artiklar slutligen valdes ut.

8

Figur 2.1 Flödesschema över databearbetning

2.5 Kvalitetsgranskning

Efter att artiklarna hade lästs i fulltext så gjordes en kvalitetsgranskning av de nio utvalda

artiklarna utifrån QUADAS-formuläret (se bilaga 2) som är lämpligt för

kvalitetsbedömning av diagnostiska studier. Formuläret ska hjälpa till att säkerställa att

studierna omfattas av intern och extern validitet (SBU, 2017). SBU rekommenderar i sin

handbok (2013) att minst två personer ska göra kvalitetsgranskningen. Dessförinnan bör

minst fem artiklar pilotgranskas av granskarna, där eventuella skillnader i bedömning

diskuteras, för att sedan beräkna kappa. Då detta är en kandidatuppsats med ett begränsat

tidsutrymme valde författarna att använda en artikel för pilotgranskning och därefter enbart

diskutera likheter och skillnader i bedömning. Vid diskussionen framgick att författarna

hade bedömt likadant, och samstämmighet kring vad som borde utgöra olika svar på

frågorna rådde.

Vid senare genomläsning för kvalitetsbedömning uppdagades att en av de nio valda

artiklarna inte var relevant för syftet då studiens syfte var att validera en prediktiv ekvation

ur ett longitudinellt perspektiv. För denna typ av studiedesign krävs det även

kompletterande frågor vid kvalitetsbedömning enligt QUADAS. Därför exkluderades

studien från urvalet (se bilaga 1), och därefter återstod åtta artiklar. För att anpassa

QUADAS-formuläret ytterligare mot studiens syfte och minimera risken för subjektivitet i

tolkning av resultat inkluderades en fråga hämtad från SBU:s handbok (2013). Frågan

lyder: Ger studien en klar definition på vad som ansågs vara ett ”positivt” resultat?

Kvaliteten på artiklarna delades upp i kategorierna låg, medelhög och hög baserat på

svarsalternativen utefter kriterier som författarna gemensamt satte upp. Dessa kriterier

finns tillsammans med den kompletterande frågan i bilaga 3.

Totalt antal träffar och artiklar lästa i abstrakt:

131 st

• Exkluderade efter titel och abstrakt 104 st

• Inkluderade 73 st

• Dubletter 46 st

Artiklar lästa i fulltext:

27 st

• Exkluderades efter läsning i fulltext 18 st

Artiklar inkluderade för evidensgradering:

9 st

Artiklar inkluderade efter evidensgradering:

8 st

9

Evidensgradering gjordes utifrån GRADE-systemet för att bedöma evidensstyrkan av det

samlade underlaget för respektive ekvation som validerats (SBU, 2017). Studier graderas

enligt GRADE utifrån starkt vetenskapligt underlag (++++), måttligt vetenskapligt

underlag (+++), begränsat vetenskapligt underlag (++) eller otillräckligt vetenskapligt

underlag (+). Alla ekvationer började med graderingen starkt vetenskapligt underlag

(++++) då SBU (2017) menar att diagnostiska studier, liksom randomiserade

kontrollerade studier (RCT) ska utgå därifrån. Därefter gjordes avdrag för de brister som

fanns. För mindre allvarliga brister noterades viss osäkerhet eller vissa problem, vilket inte

gav något avdrag i graderingen. Större brister gav avdrag på ett evidenssteg per brist.

Ekvationer som var validerade i en enstaka studie fick avdrag på ett evidenssteg ytterligare

då författarna av den här litteraturgenomgången anser att enstaka studier inte kan utgöra ett

samlat underlag av hög kvalitet.

2.6 Etisk reflektion

Enligt Bryman (2008) ska vissa forskningsetiska principer uppfyllas vid bedrivning av

svensk forskning. Däribland innefattas ”Informationskravet”, ”Samtyckeskravet”,

”Konfidentialitetskravet” och ”Nyttjandekravet”. De studier som behandlas i

litteraturgenomgången är inte svenska, och författarna av denna litteraturgenomgång

samlar inte in och analyserar egna data, utan utgår från publicerade studier. Därför väljer

författarna att ta avstamp i SBU:s kapitel om etiska och sociala aspekter gällande

forskningsetik vid systematiska litteraturgenomgångar (2014).

Det är enligt SBU (2014) viktigt att bedöma huruvida de studier som inkluderats håller en

etiskt acceptabel standard med hänvisning till Weingarten, Paul, & Leibovici (2004) som

framhåller vikten av transparens kring genomförandet av informerat samtycke. Vidare bör

en etisk kommitté ha granskat och godkänt forskningen. Information om finansiella

konflikter bör också redovisas för. Om intressekonflikter föreligger bör författarna uppge

detta.

Litteraturgenomgångens samtliga studier har blivit granskade och fått godkännande av

etiska kommittéer. Fyra studier har blivit undantagna kravet om informerat samtycke då de

etiska kommittéerna anser att villkoren för att undanta denna regel är uppfyllda. Två

studier uppger sig ha samlat in informerat samtycke hos patienter eller anhöriga medan två

studier inte explicit skriver att de har gjort detta. Det gör det svårt att veta huruvida det har

gjorts, eller blivit undantaget från kravet. Mindre troligt är att de har brutit mot de etiska

reglerna, då de har erhållit etiska godkännanden och blivit publicerade samt

refereegranskade.

Alla studier utom en har uppgett att de inte har några finansiella intressen. Den sistnämnda

har inte inkluderat någon information om eventuella finansiella konflikter. Ingen av

studierna rapporterar några intressekonflikter.

10

3. Resultat

3.1 Enskilda studiers resultat

Tabell 3.1 visar en översikt över samtliga studiers resultat. Nedan följer en summering av

enskilda studiers resultat. Penn States ekvationer namnges olika i olika studier. För att

kunna göra en tydlig sammanvägning benämns ekvationen med årtal i parentesen i denna

litteraturgenomgång, även om den i studien har benämnts på ett annat sätt. I listan med

ekvationer framgår respektive ekvations olika namn.

Frankenfield, D.C., Coleman, A., Alam, S., Cooney, R.N. 2009

Valideringsstudie utförd på Penn State M.S Hershey Medical Centers

intensivvårdsavdelning. Syftet med studien var att jämföra resultaten av uppskattat REE

från åtta olika prediktiva ekvationer (REE-PE) med uppmätt REE från IC (MREE) för att

undersöka om någon/några ekvationer kunde vara applicerbar inom klinisk verksamhet.

Populationen som studerades var kritiskt sjuka vuxna (18 och äldre) som var inskrivna på

ICU.

Metod: Totalt rekryterades 202 personer varav 103 stycken var över 60 år.

Inklusionskriterier var mekanisk ventilation, förskrivning eller implementering av enteral-

eller parenteral nutrition. Exklusionskriterier var luftläckage, FiO2 >60 procent, patienter

med hemodialys och skakningar eller oro. Patienter med paraplegia, quadripegia och

cystisk fibros exkluderades också. Deltagarna delades in i fyra grupper varav två av dessa

var äldre med BMI < 30 och äldre med BMI ≥30. IC utfördes under standardiserade former

i 30 minuter med en respirometer av märket SensorMedics Deltatrac MB-101 (Andrew,

CA). Om en mätning blev avbruten accepterades kortare mätningar, givet att

variationskoefficienten av mätningen var tillräckligt liten vilket indikerade tillräcklig

kvalitet på mätningen. Uppskattat REE beräknades genom åtta ekvationer av olika

varianter; Harris-Benedict (standard / varianter), Mifflin St. Jeor (standard / variant),

ACCP (standard / variant), Swinamer, Ireton-Jones, Penn State (standard / varianter),

Brandi och Faisy. Tre varianter av ekvationerna modifierades med stressfaktorn (SF) 1.25.

Valideringsmetod: Det 95-procentiga konfidensintervallet (CI) av skillnaden mellan

MREE och REE-PE analyserades för att utesluta bias med avseende på felskattning av

ekvationernas resultat. Ett intervall som inte tangerade 0 ansågs ha bias och därmed

felskatta resultatet. Ett positivt intervall tydde på en överskattning medan ett negativt

intervall pekade mot underskattning av uppmätt REE. Precision beräknades som andelen

av den absoluta skillnaden mellan beräknade och uppmätta värden (RMSPE) i ett 95-

procentigt CI. Om andelen hamnade inom 15 procent eller mindre var ekvationen precis.

Graden av accuracy beräknades som andelen av individuella beräkningar som hamnade

inom 10 procent av uppmätt REE. Statistisk signifikans sattes vid P < 0.05.

Resultat: För äldre med BMI < 30 var fyra ekvationer unbiased: Brandi, PSU(2003b),

PSU(2003) och Mifflin×1.25. För äldre med BMI >30 var fem ekvationer unbiased:

PSU(2003b), PSU(2003), Ireton-Jones, Mifflin×1.25 och HBEa(50) ×1.25. För båda

grupperna var Mifflin och alla HB utan SF biased mot underskattning, medan Faisy och

ACCP(wt) var biased mot överskattning. För äldre med BMI < 30 hade PSU(2003b) bäst

accuracy med 77 procent. Mifflin (21 procent) fick bättre accuracy efter att den

multiplicerats med SF (54 procent), lika gällde för HB (27 procent) efter multiplikation

med SF (56 procent). För äldre med BMI >30 hade PSU(1998) bäst accuracy med 59

11

procent. PSU(2003b) var inte accurate. PSU(2003b), PSU(1998) och Ireton-Jones var

precisa för gruppen äldre med BMI >30. Dessa tre ekvationer och bland annat Mifflin x

1.25 var också precisa för gruppen BMI < 30. Under tiden studien utfördes visade det sig

att det var svårt att applicera de befintliga ekvationerna på gruppen äldre med BMI > 30

och därför skapades en ny regressionsekvation specifikt för gruppen, PSU(2010).

Slutsats: PSU(2003b) hade bäst överensstämmelse för äldre kritiskt sjuka med BMI < 30.

Mifflin x1.25 hade liknande resultat. Det var svårt att applicera de befintliga ekvationerna

på gruppen äldre med BMI > 30 och därför skapades en ny regressionsekvation specifikt

för gruppen. Studiekvalitet: Studien bedömdes ha låg risk för systematiska fel. Däremot redovisar

författarna inte om de har haft något bortfall, eventuella bortfall kan ge en högre risk för

snedvridna testresultat. Trots det bedöms kvaliteten på studien vara hög.

Hsu, P-H., Lee, C-H., Kuo, L-K., Kung, Y-C., Chen, W-C., Tzeng, M-S. 2017

Studie utförd på Taiwan MacKey Memorial Hospitals medicinska intensivvårdsavdelning.

Syftet med studien var att jämföra Harris Benedicts ekvation med IC hos äldre kritiskt

sjuka patienter indelade i olika BMI-grupper. För varje BMI-grupp modifierades också HB

med en viss stressfaktor (SF).

Metod: Totalt rekryterades 178 patienter. Inklusionskriterier för deltagande var ≥ 65 års

ålder, ≥ 15 poäng på APACHE (Acute Physiology and Chronic Health Evaluation),

mekanisk ventilation ≥ 48 timmar och enteral nutrition via nasogastrisk sond.

Exklusionskriterier innefattade patienter med hjärndöd, dödlig cancer och patienter som

nyligen genomgått operation. Data samlades in från patientjournaler i form av kroppsvikt,

längd, födelsedatum, APACHE II-poäng och diagnoser. BMI räknades ut och delades in i

grupperna undervikt (BMI < 20 kg/m2), normalvikt (20 kg/m2 BMI < 25 kg/m2), övervikt

(25 kg/m2 BMI < 30 kg/m2) och fetma (BMI ≥ 30 kg/m2). IC utfördes under

standardiserade former i 30 minuter med hjälp av en respirometer av märket Engström

Care Station, Datex-Ohmeda Int. Uppskattad REE beräknades med hjälp av Harris

Benedicts ekvation utifrån faktisk kroppsvikt (ABW) och ideal kroppsvikt (IBW).

Stressfaktorerna definierades som uppmätt energiförbrukning (MREE)/HB.

Valideringsmetod: Differensen av medelvärdet för MREE och HB(ABW,IBW)

beräknades med hjälp av Student’s t-test, och differensen av medelvärdet för MREE och

HB(ABW,IBW)×SF analyserades med hjälp av One-way ANOVA. Korrelation är ett mått

på hur väl två variabler hänger samman med varandra (Ranganathan, Pramesh, &

Aggarwal, 2017). Korrelationen mellan MREE och HB(ABW, IBW)×SF beräknades med

Pearsons korrelation. Statistisk signifikans sattes vid P < 0.05.

Resultat: MREE var signifikant högre än HB(ABW, IBW), dels för hela populationen och

dels för alla undergrupper. Efter att SF beräknades för alla subgrupper utifrån IBW och

ABW, och HB justerades därefter, fanns ingen signifikant skillnad mellan MREE och

HB(ABW) respektive MREE och HB(IBW). Korrelationen mellan MREE och

HB(ABW)×SF var r=0.46 (P<0.0001) medan korrelationen mellan MREE och

HB(IBW)×SF var r=0.43 (P<0.0001).

Slutsats: HB(ABW) x1.20-1.43 hade bäst överrensstämmelse för äldre kritiskt sjuka i olika

BMI-grupper. Hos patienter med okänd vikt, ascites eller ödem rekommenderas HB(IBW)

x1.24-1.52. För äldre med BMI > 30 hade HB(ABW) x1.20±0.31 bäst överensstämmelse.

För patienter med okänd vikt, ascites eller ödem rekommenderas HB(IBW) x1.52±0.39.

Studiekvalitet: Studien bedömdes ha låg risk för systematiska fel. Däremot specificerade

författarna inte på förhand vad som utgör ett positivt resultat, vilket kan ha lett till

12

subjektivitet i tolkning av data. Subgruppen patienter med fetma hade 14 subjekt, det kan

innebära otillräcklig power vid analys av den gruppen. Kvaliteten bedömdes sammantaget

vara medelhög.

Segadilha, N.L.A.L., Rocha, E.E.M., Tanaka, L.M.S., Gomes, K.L.P., Espinoza, R.E.A., Peres, W.A.F.

2016

Retrospektiv observationsstudie utförd på ett privatsjukhus i Brasilien, vars syfte var att

validera överensstämmelsen mellan MREE och REE-PE med hjälp av sex prediktiva

ekvationer). Följande PE validerades: modifierad HB med SF 1.2, Mifflin St. Jeor (MSJ),

Fredrix (F), Ireton-Jones (IJ), Lührmann (L) och ESPEN (20-25 kcal/kg/d). IC utfördes

med en respirometer av märket E-COVX och fyra mätningar gjordes (20 minuter/per gång)

där medelvärdet utgjorde resultatet för MREE.

Metod: Totalt rekryterades 97 patienter. Inklusionskriterier för deltagande var ≥ 60 års

ålder, inskriven på en blandad (medicinsk och kirurgisk) ICU, mekanisk ventilation och

behov av nutritionsbehandling. Studien exkluderade patienter med hemodynamsik

instabilitet, bronchopleural fistel, hemodialys, cystisk fibros, metabolisk acidos, FiO >0.6,

RQ <0.67 eller >1.25 efter IC-mätning. Patienter som inte uppnådde steady state under IC-

mätningen exkluderades också från studien. Deltagarna delades in i två undergrupper;

kvinnor (n=48) och män (n=49).

Valideringsmetod: Skillnaderna mellan medelvärdet för MREE och REE-PE analyserades

med hjälp av Student t-test. Agreement är ett mått på hur väl flera mätvärden från en och

samma variabel hänger samman (Ranganathan, et al., 2017). Agreement mellan variablerna

beräknades med intra-klass-korrelationskoefficienten (ICC) och Bland-Altman test. Limits

of agreement är intervallet som 95 procent av mätvärdena hamnar inom (Ranganathan, et

al., 2017). Det 95-procentiga konfidensintervallet av skillnaden mellan beräknat och

uppmätt REE beräknades för att utesluta bias med avseende på felskattning mellan dessa

variabler. Accuracy definierades som andelen vars REE-PE var inom ±10 procent av

MREE. Statistisk signifikans sattes vid P < 0.05.

Resultat: Signifikant ICC observerades mellan MREE och majoriteten av REE-PE,

förutom för Mifflin St. Jeor (0.446 för män) och ESPENma (0.024 för kvinnor). Den

modifierade ekvationen HB×1.20 hade högst agreement med MREE (ICC = 0.668 hos män

och 0.657 hos kvinnor) och hade ett tightare 95-procentigt CI för ICC, vilket innebär större

precision. Ekvationen HB×1.20 hade den minsta skillnaden mellan genomsnittlig REE-PE

och MREE (5.8 kcal/dag) samt smalare limits of agreement för män, följt av ESPENme

(46 kcal/dag) som hade större limits of agreement. För kvinnor hade ESPENmi den minsta

skillnaden (-21 kcal/dag), dock med stora limits of agreement följt av modifierad HB (66

kcal/dag) med mindre limits of agreement. Det var en låg accuracy hos REE-PE jämfört

med MREE. Ireton-Jones hade en accuracy på cirka 45 procent med en stor andel

överskattning (39 procent) hos män. Hos gruppen kvinnor hade modifierad HB 44 procent

accuracy, också här var överskattningen stor (38 procent). Modifierad HB gav en accuracy

hos män på 35 procent med 33 procents överskattning. Ekvationerna L, Mifflin och

ESPENmi underskattade MREE medan ESPENme och ESPENma överskattade MREE för

båda könen.

Slutsats: HB x1.20 hade bäst överensstämmelse som helhet med högst accuracy och

agreement hos både män och kvinnor. Studiekvalitet: Studien bedömdes ha låg risk för systematiska fel. Författarna undersöker

bias i sitt dataset och alla delar i QUADAS-formuläret bedöms vara godkända. Kvaliteten

på studien bedöms därför vara hög.

13

Picolo, M.F., Lago, A.F., Menegueti, M.G., Nicolini, E.A., Basile-Filho, A., Nunes, A.A., Martins-Filho,

O.A., Auxiliadora Martins, M. 2016

Tvärsnittsstudie utförd på intensivvårdsavdelningen för vuxna på Universitetssjukhuset

Ribeirão Pretos läkarutbildning vid São Paulos Universitet. Syftet med studien var att

jämföra Harris Benedicts ekvation med MREE hos vuxna kritiskt sjuka patienter.

Populationen delades in i subgrupper efter ålder, kön och BMI.

Metod: Totalt rekryterades 205 patienter, varav antalet äldre patienter (≥60 år) uppgick till

86 stycken. Inklusionskriterier för deltagande var ≥ 18 års ålder, mekanisk ventilation med

andelen FiO2 < 0.6 under de första 48 timmarna efter inskrivning. Exklusionskriterier

innefattade patienter med luftläckage, luftfistel, mycket högt positivt slut-expiratoriskt

tryck, hjärndöd och patienter som inte lämnade in sitt medgivande till att delta. IC utfördes

under minst 30 minuter enligt standardiserade former med en portabel respirometer av

märket Deltatrac II (Datex-Ohmeda). REE-PE med hjälp av tre varianter av HB utifrån

kroppsvikt mätt med en sängvåg, HB(ABW), HB(IBW), HB(predicted BW).

Valideringsmetod: Agreement studerades med hjälp av Bland-Altmanmetoden som

möjliggjorde jämförelse av skillnader mellan två parade mätningar utifrån två

medelvärden. Slutligen beräknades limits of agreement för respektive prediktiva ekvation i

samtliga subgrupper för att studera överensstämmelsen mellan grupperna.

Resultat: Det fanns ingen överensstämmelse mellan gruppen äldre och någon av de

ekvationer som validerades. Patienter äldre än 60 år hade positiva limits of agreement på

529.8, 783.5 och 796.9 kal/dag och negativa limits of agreement på 550.9, 526.9 och 519.7

kcal/dag för jämförelse mellan IC och HB(ABW), HB(IBW) och HB3(predicted BW).

Slutsats: Det fanns ingen överensstämmelse mellan gruppen äldre och någon av de

ekvationer som validerades. Studiekvalitet: Studien bedömdes ha låg risk för systematiska fel. Däremot redovisar

författarna inte något bortfall. Eventuella bortfall kan ge en högre risk för snedvridna

testresultat. I tillägg specificerar inte författarna på förhand vad som utgör ett positivt

resultat, vilket kan leda till en subjektivitet i tolkning av data. Kvaliteten på studien

bedöms därför vara medelhög.

De Waele, E., Opsomer, T., Mattens, S., Diltoer, M., Honoré, P.M., Spapen, H., & Huyghens, L. 2013

Retrospektiv kohortstudie vars syfte var att mäta korrelation och agreement mellan MREE

och REE-PE hos kritiskt sjuka patienter. Studien utfördes på en blandad ICU. Patienter

över 18 år, med mekanisk ventilation och behov av nutritionsbehandling inkluderades i

studien. Patienter med luftläckage, kontinuerlig terapi för njurtransplantation och FiO2

>60% under IC-mätning exkluderades. Patienter vars ventilatorer hade bristfällig

kalibrering, tekniska problem och saknade data exkluderades också efter analysen.

Deltagarna delades in i undergrupper baserade på kroppsvikt och ålder. Totalt rekryterades

86 personer ≥ 65 år.

Metod: IC utfördes under minst 30 minuter enligt standardiserade former med en

respirometer av märket VmaxTM

Encore 29n. Uppskattad REE beräknades med hjälp av 10

ekvationer; HB (standard) och modifierade (HB 1984) utan SF, Ireton-Jones standard (IJE

1993) och modifierade (IJE 1997), Penn State (1998, 2003, 2003b och 2010), Faisy-Fagon

(FFE), Swinamer (SE), American College of Chest Physicians (ACCP) och ESICM ’98s

rekommendation för personer > 60 års ålder.

14

Valideringsmetod: Korrelationen mellan MREE och REE-PE analyserades med hjälp av

linjär regressionsanalys. Regressionsanalys och Bland-Altman test användes för att

bedöma agreement mellan variablerna.

Resultat: Följande korrelationer rapporteras hos äldre 65-79 år: HB(ABW): 0.43, ACCP:

0.22, PSU(1998): 0.38, Ireton-Jones: 0.30. PSU(2010) hade högst korrelation (r=0.73) hos

äldre från 65 med BMI > 30 med positiva limits of agreement på 361 kcal/dag och negativa

limits of agreement på -570 kcal/dag.

Hos de ännu äldre (>80 år) varierar korrelationen avsevärt. Ekvationerna har följande

korrelationer med IC: HB(ABW): 0.43, ACCP: 0.40, PSU(1998): 0.29, Ireton-Jones: 0.39.

Slutsats: Ingen ekvation överensstämde med IC för gruppen äldre kritiskt sjuka inom alla

BMI-grupper. PSU(2010) hade bäst överensstämmelse för äldre kritiskt sjuka med BMI

≥30 med avseende på korrelation, men hade höga limits of agreement vilket tyder på att

många patienter avviker kraftigt från uppmätt IC.

Studiekvalitet: Studien bedömdes ha låg risk för systematiska fel. Däremot specificerade

författarna inte på förhand vad som utgör ett positivt resultat, vilket kan ha lett till en

subjektivitet i tolkning av data. Kvaliteten bedömdes därför vara medelhög.

Frankenfield, D.C., Ashcraft, C.M., Galvan, D.A. 2013

Valideringsstudie utförd på Pennsylvania State M.S. Hershey Medical Centers. Patienter

rekryterades från intensivvårdsavdelningar för trauma, kirurgi, medicin, neuro-, och hjärt-

kärlsjukdom. Syftet med studien var att validera Penn States och andra ekvationer hos

sjukligt överviktiga och underviktiga kritiskt sjuka patienter.

Metod: Sammanlagt rekryterades 111 patienter, varav antalet äldre obesa patienter (≥60 år,

BMI ≥45) uppgick till 19. Inklusionskriterier för deltagande var ≥ 18 års ålder, mekanisk

ventilation ≥ 48 timmar och BMI ≤21 eller ≥45. Exklusionskriterier innefattade luftläckage

och påtaglig oro innan mätningen. IC utfördes under standardiserade former i 30 minuter

med hjälp av en respirometer av märket Deltatrac MB;101, SensorMedics. Om en mätning

blev avbruten accepterades kortare mätningar, givet att variationskoefficienten av

mätningen var tillräckligt liten vilket indikerade tillräcklig kvalitet på mätningen. Data för

att kunna beräkna de REE-PE samlades in efter lyckad mätning. En standardversion av

Penn State (PSU(2003b)) och en modifierad ekvation (PSU(2010)) för patienter ≥ 60 år

med ett BMI ≥ 30 användes för populationen äldre obesa.





intervall pekade mot underskattning av uppmätt REE. Graden av accuracy beräknades som

andelen av individuella beräkningar som hamnade inom 10 procent av MREE. Fem

procent registrerades också för att se om det fanns ekvationer som var så exakta.

Resultat: PSU (2003b) hade en accuracy på 78 procent av beräkningar som hamnade inom

fem procent av MREE medan PSU(2010) hade 89 procents accuracy inom 10 procent av

MREE för populationen obesa äldre.

Slutsats: Både PSU(2010) och PSU(2003b) överensstämde väl för äldre kritiskt sjuka

obesa med avseende på accuracy.

Studiekvalitet: Studien bedömdes ha låg risk för systematiska fel. Författarna undersökte


på studien anses därför vara hög.

15

Ratzlaff, R., Nowak, D., Gordillo, D., Cresci, G.A., Faulhaber, K., Mascha, E.J., Hata, J.S. 2016

Retrospektiv observationsstudie utförd på Cleveland Clinics ICU. Syftet med studien var

att jämföra REE uppskattat med två Penn State ekvationer (2003b och 2010) med MREE

hos thoraxkirurgipatienter inlagda på ICU.

Metod: Patienter som rekryterades var 18 år och äldre med mekanisk ventilation. Patienter

med FiO2 ≥ 60 procent, oscillatorventilation, avsaknad av expiratoriskt flöde, behov av

andra inspirationsgaser eller beräknad REE med annan ekvation än PSU exkluderades.

Totalt rekryterades 19 patienter som var ≥ 75 år. IC utfördes under 10-30 minuter enligt

standardiserade former med en respirometer av märket MedGraphics Ultima. För patienter

>60 år och BMI >30 beräknades REE med PSU (2010) och för resterande med

PSU(2003b).





intervall pekade mot underskattning av uppmätt REE. Bland-Altmans test användes för att

bedöma limits of agreement mellan variablerna. Beräkning av Lin’s concordance

correlation gjordes tillsammans med 95-procentiga konfidensintervallet för att summera en

översiktlig agreement (1 = perfect agreement, 0 = no agreement).

Resultat:. Beräkning av Lin’s concordance correlation visade en låg korrelation av

agreement på 0.0092. Limits of agreement var bred (-46 till 1433 kcal) vilket också

indikerar låg agreement för PSU(2010). PSU(2010) underskattade signifikant denna

patientgrupp, där 18 av 19 visade sig ha ett >10% större kaloribehov än vad PSU (2010)

estimerade. PSU(2003b) validerades enbart för patienter under 60 år.

Slutsats: PSU(2010) överensstämde dåligt med IC.



på studien anses därför vara hög.

Frankenfield, D.C. 2011

Valideringsstudie utförd på Pennsylvania State M.S. Hershey Medical Center. Patienter

rekryterades från intensivvårdsavdelningar för trauma, kirurgi och medicin. Syftet var att

validera en modifierad PSU (PSU(2010)) hos äldre kritiskt sjuka patienter med fetma.

PSU(2003b) validerades också.

Metod: Sammanlagt mättes 50 nya patienter. Arkiverade data från patienter från tidigare

mätningar inkluderades i en andra analys. Dessa patienter hade inte legat till grund för

utformningen av PSU(2010). Inklusionskriterier för deltagande var ≥ 60 års ålder, kritisk

sjukdom, mekanisk ventilation och BMI ≥ 30. Exklusionskriterier innefattade luftläckage,

FiO2 >0.6 och ventilatorinställningar som hade ändrats senaste timmen. Mätning utfördes

inte under eller efter intermittent hemodialys, eller om patienten var orolig. IC utfördes

under standardiserade former i 30 minuter med hjälp av en respirometer av märket

Deltatrac MB-101, SensorMedics. Om en mätning blev avbruten accepterades kortare

mätningar, givet att variationskoefficienten av mätningen var tillräckligt liten vilket

indikerade tillräcklig kvalitet på mätningen. Data för att kunna beräkna de prediktiva

ekvationerna samlades in efter lyckad mätning.




16


intervall pekade mot underskattning av uppmätt REE. Precision beräknades som andelen

av den absoluta skillnaden mellan beräknade och uppmätta värden (RMSPE) i ett 95-

procentigt konfidensintervall. Om andelen ≤ 15 procent var ekvationen precis. Graden av

accuracy beräknades som andelen av individuella beräkningar som hamnade inom 10

procent av MREE.

Resultat: I den första analysen med de 50 nya patienterna visade PSU(2010) bias mot

underskattning, medan PSU(2003b) inte visade någon bias. Båda ekvationerna var precisa,

med 95 procents CI för RMSPE mellan sju och 10 procent. Accuracy för PSU(2010) var

70 procent och för PSU(2003b) var accuracy 66 procent, men ingen statistisk signifikans

fanns. När de sammanvägda subjekten analyserades visade PSU(2010) 74 procents

accuracy, medan PSU(2003b) visade 58 procent, en skillnad som var statistiskt signifikant.

PSU(2010) var fortfarande biased och PSU(2003b) unbiased. Båda ekvationer var precisa.

Hos patienter med BMI 40 var accuracy hos PSU(2010) 68 procent och hos PSU(2003b)

67 procent. Båda ekvationerna var precisa, men PSU(2010) hade bias medan PSU(2003b)

inte hade bias.

Slutsats: PSU(2010) hade bäst överensstämmelse för äldre kritiskt sjuka med BMI ≥30

med avseende på accuracy, men visade bias mot underskattning. PSU(2003b) var unbiased

men hade lägre accuracy.



på studien bedöms därför vara hög.

17

Fö

rfatt

are

, år

Stu

die

desi

gn

,

po

pu

lati

on

Syft

eR

esu

ltat

Resu

ltat

BM

I≥30

Stu

die

kvali

tet

Fran

kenfie

ld, D

.C.,

Cole

man

, A

., A

lam

, S.

,

Cooney,

R.N

. 2009

Val

ideri

ngs

studie

, ic

ke

obesa

n=

52 &

obesa

n=

51*

Val

idera

8 s

tandar

dekv

atio

ner

(inkl

usi

ve m

odifi

era

de v

ers

ioner

av

dess

a) h

os

äldre

kri

tisk

t sj

uka

pat

iente

r. B

l.a. PSU

, H

B o

ch M

ifflin

St. Je

or.

PSU

(2003b)

had

e b

äst

öve

renss

täm

mels

e för

äldre

kri

tisk

t sj

uka

med B

MI <

30. M

ifflin

x1.2

5 h

ade lik

nan

de r

esu

ltat

.

Det

var

svår

t at

t ap

plic

era

de b

efin

tlig

a

ekv

atio

nern

a på

gruppen ä

ldre

med B

MI

> 3

0 o

ch d

ärfö

r sk

apad

es

en n

y

regr

ess

ionse

kvat

ion s

peci

fikt

för

gruppen.

Hög

Hsu

, P-H

., Lee, C

-H.,

Kuo, L-K

., K

ung,

Y-C

.,

Chen, W

-C.,

Tze

ng,

M-S

. 2017

n =

177, va

rav

obesa

n=

14**

Val

idera

ekv

atio

nern

a H

B(A

BW

),

HB

(IB

W), H

B(A

BW

)xSF

och

HB

(IB

W)x

SF h

os

äldre

kri

tisk

t sj

uka

i

olik

a B

MI-

grupper.

HB

(AB

W)

x1.2

0-1

.43 h

ade b

äst

öve

rrenss

täm

mels

e för

äldre

kri

tisk

t sj

uka

i

olik

a B

MI-

grupper.

Hos

pat

iente

r m

ed o

känd

vikt

, as

cite

s elle

r ödem

reko

mm

endera

s

HB

(IB

W)

x1.2

4-1

.52.

Bäs

t öve

renss

täm

mels

e h

ade H

B(A

BW

)

x1.2

0±

0.3

1. Fö

r pat

iente

r m

ed o

känd

vikt

, as

cite

s elle

r ödem

reko

mm

endera

s

HB

(IB

W)

x1.5

2±

0.3

9.

Medelh

ög

Sega

dilh

a, N

.L.A

.L.,

Roch

a, E

.E.M

.,Tan

aka,

L.M

.S.,

Gom

es,

K.L

.P.,

Esp

inoza

, R

.E.A

., Pere

s,

W.A

.F. 2016

Retr

osp

ekt

iv

obse

rvat

ionss

tudie

, n=

97*

Val

idera

6 e

kvat

ioner

hos

äldre

kritis

kt s

juka

pat

iente

r. B

l.a. H

B,

Ireto

n-J

ones

och

ESP

EN

.

HB

x1.2

0 h

ade b

äst

öve

renss

täm

mels

e s

om

helh

et

med h

ögs

t ac

cura

cy o

ch a

greem

ent

hos

båd

e m

än o

ch k

vinnor.

Sakn

asH

ög

Pic

olo

, M

.F.,

Lag

o, A

.F.,

Menegu

eti, M

.G.,

Nic

olin

i, E.A

., B

asile

-Filh

o, A

., N

unes,

A.A

.,

Mar

tins-

Filh

o, O

.A.,

Auxili

adora

Mar

tins,

M.

2016

Obse

rvat

ionss

tudie

i

tvär

snitt, n

= 8

6*

Val

idera

HB

(IB

W), H

B (

AB

W), H

B

(pre

dic

ted B

W)

hos

kritis

kt s

juka

pat

iente

r

Det

fanns

inge

n ö

vere

nss

täm

mels

e m

ella

n

gruppen ä

ldre

och

någ

on a

v de e

kvat

ioner

som

val

idera

des.

Sakn

asM

edelh

ög

De W

aele

, E.,

Opso

mer,

T.,

Mat

tens,

S.,

Dilt

oer,

M.,

Honoré

, P. M

., Sp

apen, H

., &

Huyg

hens,

L. 2013

Retr

osp

ekt

iv

obse

rvat

ionss

tudie

,

n=

86**

Val

idera

HB

(AB

W), P

SU (

2010),

AC

CP, PSU

(1998), Ire

ton-J

ones

hos

kritis

kt s

juka

Inge

n e

kvat

ion ö

vere

nss

täm

de m

ed IC

med

avse

ende p

å ko

rrela

tion

PSU

(2010)

had

e b

äst

öve

renss

täm

mels

e

för

äldre

kri

tisk

t sj

uka

med B

MI ≥

30

med a

vseende p

å ko

rrela

tion, m

en h

ade

höga

lim

its

of ag

reem

ent

Medelh

ög

Fran

kenfie

ld, D

.C.,

Ash

craf

t, C

.M.,

Gal

van,

D.A

. 2013

Val

ideri

ngs

studie

, n=

19.

Sam

tlig

a B

MI ≥

45*

Val

idera

PSU

2010 o

ch 2

003b h

os

extr

em

t öve

rvik

tiga

och

underv

iktiga

kritis

kt s

juka

Sakn

as

Båd

e P

SU(2

010)

och

PSU

(2003b)

öve

renss

täm

de v

äl för

äldre

kri

tisk

t sj

uka

obesa

med a

vseende p

å ac

cura

cy

Hög

Rat

zlaf

f, R

., N

ow

ak, D

., G

ord

illo, D

., C

resc

i,

G.A

., Fa

ulh

aber,

K.,

Mas

cha,

E.J.

, H

ata,

J.S

. 2016

Retr

osp

ekt

iv

obse

rvat

ionss

tudie

,

n=

19**

*

Val

idera

PSU

2003b o

ch 2

010 h

os

thora

xki

rurg

ipat

iente

r in

lagd

a på

ICU

.

PSU

(2010)

öve

renss

täm

de d

ålig

t m

ed IC

Sakn

asH

ög

Fran

kenfie

ld, D

.C. 2011

Val

ideri

ngs

studie

, N

ya

pat

iente

r: n

=50

(PSU

(2010)+

PSU

(2003b))

.

Ark

ivera

de o

ch n

ya

pat

iente

r: n

=106

(PSU

(2003b))

. n=

74

(PSU

(2010))

. Sa

mtlig

a B

MI

≥30 *

Val

idera

PSU

(2010)

och

PSU

(2003b)

hos

äldre

kri

tisk

t sj

uka

pat

iente

r m

ed

BM

I ≥

30

Sakn

as

PSU

(2010)

had

e b

äst

öve

renss

täm

mels

e

för

äldre

kri

tisk

t sj

uka

med B

MI ≥

30

med a

vseende p

å ac

cura

cy, m

en v

isad

e

bia

s m

ot

unders

katt

nin

g. P

SU(2

003b)

var

unbia

sed m

en h

ade läg

re a

ccura

cy.

Hög

* Ä

ldre

defin

iera

s so

m ≥

60 å

r

** Ä

ldre

defin

iera

s so

m ≥

65 å

r

***

Äld

re d

efin

iera

s so

m ≥

75 å

r

Tabell 3.1 Sammanställning av samtliga studiers resultat

18

Prediktiva ekvationer alla BMI

PSU(2003b) HB(ABW) PSU(2010) PSU(1998) Ireton-Jones HB(IBW) Mifflin×1.25 HB(ABW)×SF HB(IBW)×SF HB×1.2 HB(predicted BW) ACCP

Antal studier 1 4 1 2 2 2 1 1 1 1 1 1

Studiekvalitet Inga begränsningar Inga begränsningar Inga begränsningar Inga begränsningar Inga begränsningar Inga begränsningar Inga begränsningar Inga begränsningar Inga begränsningar Inga begränsningar Inga begränsningar Inga begränsningar

Samstämmighet Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem

Överförbarhet Osäkerhet Ingen osäkerhet Osäkerhet Ingen osäkerhet Ingen osäkerhet Ingen osäkerhet Osäkerhet Osäkerhet Osäkerhet Osäkerhet Osäkerhet Osäkerhet

Precision i data Vissa problem Oprecisa data Oprecisa data Oprecisa data Oprecisa data Oprecisa data Vissa problem Oprecisa data Oprecisa data Vissa problem Oprecisa data Oprecisa data

Publikationsbias Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem

Evidensstyrka Begränsad (++) Måttlig (+++) Otillräcklig (+) Måttlig (+++) Måttlig (+++) Måttlig (+++) Begränsad (++) Otillräcklig (+) Otillräcklig (+) Begränsad (++) Otillräcklig (+) Otillräcklig (+)

Prediktiva ekvationer BMI ≥ 30

PSU(2003b) PSU(2010) HB(ABW) HB(IBW) HB(ABW) x SF HB(IBW) x SF Mifflin x 1.25 PSU(1998)

Antal studier 3 3 2 1 1 1 1 1

Studiekvalitet Inga begränsningar Inga begränsningar Inga begränsningar Inga begränsningar Inga begränsningar Inga begräsningar Inga begränsningar Inga begränsningar

Samstämmighet Viss heterogenicitetInga problem Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem

Överförbarhet Ingen osäkerhet Ingen osäkerhet Ingen osäkerhet Osäkerhet Osäkerhet Osäkerhet Osäkerhet Osäkerhet

Precision i data Oprecisa data Oprecisa data Oprecisa data Oprecisa data Oprecisa data Oprecisa data Vissa problem Vissa problem

Publikationsbias Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem Inga problem

Evidensstyrka Måttlig (+++) Måttlig (+++) Måttlig (+++) Otillräcklig (+) Otillräcklig (+) Otillräcklig (+) Begränsad (++) Begränsad (++)

3.2 Evidensgradering

Evidensummering för de 12 prediktiva ekvationer som validerats i de åtta studierna

illustreras i tabell 3.2 för alla BMI-grupper och i tabell 3.3 för BMI ≥ 30. De ekvationer

som ansågs ha den högsta evidensstyrkan i den här systematiska litteraturgenomgången

utgjordes av måttligt vetenskapligt underlag (+++) och innefattade ekvationerna

HB(ABW), PSU(1998), Ireton-Jones och HB(IBW) för alla BMI-grupper och

PSU(2003b), PSU(2010) och HB(ABW) för BMI ≥30. Det som nedgraderade samtliga

ekvationer var oprecisa data, där konfidensintervall inte hade angivits.

Begränsat vetenskapligt underlag (++) hade PSU(2003b), Mifflin×1.25 och HB×1.2 för

alla BMI-grupper, samt Mifflin×1.25 och PSU(1998) för BMI 30 och uppåt. Det som

sänkte den slutliga graderingen för samtliga av dessa ekvationer med ett steg var att de

validerades med en enda studie. Dessutom fanns problem med överförbarhet, som

bedömdes vara osäker då en enstaka studie inte utgör tillräckligt underlag för att tilldelas

“ingen osäkerhet”.

Slutligen bedömdes PSU(2010), HB(ABW)×SF, HB(IBW)×SF, HB(predicted BW) och

ACCP för samtliga BMI utgöra otillräckligt vetenskapligt underlag (+). För BMI 30 och

uppåt gällde detta ekvationerna HB(IBW), HB(ABW)×SF och HB(IBW)×SF. Det fanns

problem med överförbarhet på grund av att de validerades med en studie. Data ansågs vara

oprecis eftersom konfidensintervall saknades, och grupperna för BMI 30 och uppåt

utgjordes av ett fåtal subjekt (cirka 20 stycken).

Tabell 3.2 Evidenssummering enligt GRADE, samtliga BMI

Tabell 3.3 Evidenssummering enligt GRADE, BMI ≥ 30

19

4. Diskussion

4.1 Sammanfattning av huvudresultatet

Resultaten i den här systematiska litteraturgenomgången visar på viss överensstämmelse

mellan IC och två prediktiva ekvationer, beroende på vilken BMI-grupp som studeras. Åtta

av de 12 ekvationer som inkluderades i resultatet hade otillräcklig överensstämmelse. Två

ekvationer låg nära IC men hade betydande metodologiska brister vid valideringen och

anses därför oviktiga för resultatet. Dessa var HB(ABW)*SF och HB(IBW)*SF. De två

ekvationer som stämde bäst överens var PSU(2003b) för BMI < 30 och BMI ≥ 45, och

PSU(2010) för BMI ≥ 30. Evidensen är begränsad (++) respektive måttlig (+++), och få

studier har validerat ekvationerna. För populationen äldre med fetma är grupperna

dessutom små. Därför behövs mer forskning som validerar ekvationerna PSU(2003b) och

PSU(2010) för kritiskt sjuka äldre, med olika BMI som undergrupper.

4.2 Egna resultat i relation till syftet och adekvat litteraturgenomgång

Äldre kritiskt sjuka

Som tidigare argumenterats är det svårt att fastställa energibehovet hos kritiskt sjuka med

hjälp av prediktiva ekvationer på grund av de metabola rubbningar som sker vid allvarliga

sjukdomstillstånd (Oshima et al., 2016). För den äldre populationen tillkommer ännu en

svårighetsfaktor vid bedömningen av energibehovet relaterat till de naturliga förändringar

som sker i vilometabolismen, samtidigt som många patienter i tillägg är multisjuka

(Wellman et al., 2017). Fredrix ekvation som tidigare har validerats av Siervo et al. (2008)

och föreslagits passa äldre obesa människor, validerades av Segadilha et al. (2016) men

överensstämde inte för äldre med kritiska sjukdomar. Inom sjukvården är det vanligt att

använda Harris-Benedicts ekvation för uppskattning av energibehov och ett flertal studier

har tidigare validerat denna och flera andra (Ireton-Jones, 2017). I sin litteraturgenomgång

från 2007 menade Gaillard att HB(ABW) var tillräckligt acceptabel för att kunna användas

kliniskt på äldre kritiskt sjuka patienter.

Bland de ekvationer som har validerats av studierna i litteraturgenomgången ingår HB,

både som standardversion (HB(ABW)), och i modifierade former (HB(IBW),

HB(ABW)×SF, HB(IBW)×SF, HB×1.2, HB(predicted BW)).

Frankenfield et al. (2009), Hsu et al. (2018), Picolo et al. (2016), och De Waele et al.

(2013) har validerat HB(ABW) hos äldre kritiskt sjuka. Samtliga studier visar att det finns

en dålig överensstämmelse mellan IC och HB. Evidensstyrkan har bedömts vara måttligt

hög (+++). Sammantaget tyder det på att HB(ABW) inte bör användas på kritiskt sjuka

patienter. Resultatet av den här systematiska litteraturgenomgången motsäger alltså det

som Gaillard (2007) kom fram till gällande användande av HB(ABW) på denna grupp.

HB(IBW), som validerats i Hsu et al. (2018) och Picolo et al. (2016), visar på ett liknande

resultat med dålig överensstämmelse och bör inte heller användas. Evidensstyrkan var

måttligt hög (+++) även för denna ekvation. När HB justerats med stressfaktorer av Hsu et

al. (2018) blir resultatet bättre, men underlaget utgörs av en studie som har beräknat

stressfaktorerna utifrån sitt eget underlag och validerat på detsamma. Evidensstyrkan

20

bedöms vara otillräcklig (+). Fler studier behöver validera ekvationerna för att det

överhuvudtaget ska gå att resonera kring ett eventuellt resultat. HB×1.2, som också är en

variant som justerats med en stressfaktor (1.2), hade en begränsad evidens (++). Den

validerades enbart av en studie (Segadilha et al., 2016), och hade generellt sett en

otillräcklig överensstämmelse då accuracy var låg, även om precisionen var hög och limits

of agreement var snäva. HB med korrektionsfaktor har tidigare visat bra resultat för kritiskt

sjuka patienter (Japur et al., 2009).

PSU finns i flera olika versioner och har tidigare föreslagits som ett substitut till IC för

kritiskt sjuka patienter (Walker et al., 2009). Olika former av PSU har i Frankenfield et al.

(2009), De Waele et al. (2013), Frankenfield et al. (2013), Ratzlaff et al. (2016) och

Frankenfield (2011) validerats för äldre kritiskt sjuka. Framför allt PSU(2003b) och

PSU(1998) validerades för ett brett spektrum av BMI-grupper. PSU(2003b) hade bäst

överensstämmelse för alla äldre patienter med BMI under 30, det var dock enbart

Frankenfield et al. (2009) som validerade ekvationen för denna BMI-grupp. Den var

precis, och unbiased. Accuracy var 77 procent. Eftersom den validerades i en enda studie

bedömdes den ha begränsad evidens (++). Resultatet indikerar att den kan vara ett näst

bäst alternativ till bedömning av energibehov, efter IC. Fler studier behövs för att bekräfta

detta. PSU(1998), som validerades i De Waele (2013) och Frankenfield (2009) visade dålig

korrelation med IC och visade en tendens till att överskatta energibehovet. Accuracy var

inte signifikant. Evidensgraden för ekvationen var måttlig (+++). Den verkar inte vara ett

bra alternativ till IC. Detta ligger inte i linje med Walker et al. (2009) som föreslår den som

ett möjligt alternativ till IC, dock tar man inte hänsyn till ålder i denna systematiska

genomgång

Ireton-Jones ekvation validerades i Segadilha et al. (2016) och De Waele et al. (2013),

ekvationen bedömdes ha en måttlig evidens (+++). Resultatet från studierna visar på en

dålig överensstämmelse mellan ekvationen och IC trots att den tidigare visat sig kunna

passa för kritiskt sjuka patienter (Walker et al., 2009 och Frankenfield et al., 2007). Den

rekommenderas således inte heller, och de tidigare studierna har baserats på ett bredare

spektrum av åldrar vilket möjligtvis kan vara en orsak till skillnaderna. Mifflin×1.25 fick

en begränsad evidens (++). Den enda studie som validerade ekvationen (Frankenfield et

al., 2009) visade på 55 procents accuracy för BMI under 30. Det finns därmed inget som

styrker användning av någon av dessa två ekvationer för äldre kritiskt sjuka patienter.

PSU(2010), ACCP och HB(predicted BW) har samtliga validerats i Frankenfield (2009)

och har bedömts ha en otillräcklig evidens (+). De hade alla dålig överensstämmelse med

IC. Den låga evidensen innebär dock att inga slutsatser kan dras gällande resultatet.

Swinamer som rekommenderats för kritiskt sjuka av både Frankenfield et al. (2007) och

Walker et al. (2009) validerades i Frankenfield et al. (2009). Liksom Ireton-Jones och

PSU(1998) fanns ingen överensstämmelse mellan ekvationerna och IC samtidigt som

åldersgruppen inte var uppdelad på ålder vilket enligt tidigare resonemang kan bidra till

skillnaden i resultat, då äldre skiljer sig från yngre, bland annat med avseende på

vilometabolismen (Wellman et al., 2017).

21

Äldre kritiskt sjuka med BMI >30

Ekvationer för gruppen äldre obesa har inte studerats i stor omfattning (Siervo et al., 2008).

Kross, Sena, Schmidt, & Stapleton, (2012) skriver att obesa äldre som behandlas med

mekanisk ventilering har ett begränsat underlag, men att de ekvationer som har observerats

har visat ett dåligt resultat. Frankenfield (2007) föreslog i en review att Ireton-Jones och

PSU(1998) skulle kunna utgöra alternativ till IC för kritiskt sjuka med fetma. De två

ekvationerna utvärderades senare tillsammans med flera andra i en av studierna som

analyseras i denna litteraturgenomgång (Frankenfield et al., 2009). Alla ekvationer som

validerades i studien visade sig dock vara svåra att applicera på gruppen äldre kritiskt sjuka

med BMI >30 då de visade låg överensstämmelse. Istället utformades en modifierad

ekvation specifikt för denna grupp, PSU(2010). Ekvationen validerades i en senare studie

av Frankenfield (2011), och i ytterligare två studier som inkluderas i resultatet av

litteraturgenomgången (Frankenfield et al., 2013 och De Waele et al., 2013). Den har

tilldelats måttligt hög evidens (+++) och samtliga studiers resultat pekar på att den har en

bra överensstämmelse med IC, där korrelation och accuracy har höga värden. Den skulle

alltså kunna utgöra ett substitut till IC för äldre kritiskt sjuka med fetma. Mer forskning

behövs då resultatet utgörs av tre studier, varav två studier har få subjekt.

PSU(2003b), validerades i Frankenfield et al. (2009), Frankenfield (2011) och

Frankenfield et al. (2013) och bedömdes ha måttligt hög evidens (+++). För patienter med

BMI >45 visade ekvationen en hög överensstämmelse i termer av accuracy i Frankenfield

et al. (2013), medan en annan studie hade något sämre överensstämmelse i termer av

accuracy för BMI > 40 (Frankenfield, 2011). För alla BMI-grupper (BMI >30) hade

PSU(2003b) en lägre accuracy i Frankenfield et al. (2009) och Frankenfield (2011), varav

endast Frankenfield (2011) uppnådde statistisk signifikans. Det indikerar att PSU(2003b)

skulle kunna användas för kritiskt sjuka obesa äldre med högre BMI om IC inte finns

tillgängligt. Däremot är studiepopulationerna väldigt små, och få studier validerar

ekvationen. Ytterligare forskning behövs för att kunna uttala sig i frågan.

HB(ABW), som inte stämde överens för äldre kritiskt sjuka oberoende av BMI, hade också

dålig överensstämmelse för äldre kritiskt sjuka med fetma i Hsu et al. (2017) och

Frankenfield et al. (2009). Evidensen bedömdes vara måttligt hög (+++). Den bör därför

inte användas på kritiskt sjuka äldre som har fetma, liksom den inte bör användas för äldre

kritiskt sjuka med andra BMI.

Mifflin×1.25 och PSU(1998) bedömdes ha begränsad evidens (++) och validerades i

Frankenfield et al. (2009). Ingen av dem överensstämde väl med populationen. PSU(1998)

verkar därför inte vara tillämpbar på äldre kritiskt sjuka obesa, även om Frankenfield et al.

(2007) rekommenderat den till kritiskt sjuka med fetma. HB(IBW), HB(IBW)×SF och

HB(ABW)×SF har validerats genom Hsu et al. (2017) och har bedömts ha en otillräcklig

evidens (+). HB(IBW) överensstämde inte med IC. De två sista ekvationerna har en bra

överensstämmelse även för högre BMI men underlaget utgörs av en studie som har

beräknat stressfaktorerna utifrån sitt eget underlag och validerat på detsamma. Fler

valideringsstudier behövs för att kunna styrka ett eventuellt resultat.

22

4.3 Valideringsstudiernas metod

Samtliga studier beskrev hur IC-mätningen gick till. Det finns ett vedertaget

standardförfarande för hur mätningen med hjälp av indirekt kalorimetri ska utföras

(Oshima et al., 2016) vilket gjorde det enkelt att bedöma huruvida referensmetoden

utfördes på ett acceptabelt sätt och minimerar risken för felklassifikationsbias (SBU,

2017). Det fanns likheter och skillnader mellan exklusions- och inklusionskriterier i olika

studier. Då en heterogen grupp observerades, med tanke på att ett flertal diagnoser och

tillstånd kan leda till vård på intensivvårdsavdelningar och inte en specifik diagnos

undersöktes, bör detta inte försvåra en sammanvägning. Studierna har rekryterat sina

deltagare konsekutivt, vilket är ett kriterium för att uppnå hög studiekvalitet vid

diagnostiska studier enligt GRADE (SBU, 2017).

Grupperna i de olika studierna skiljer sig mellan varandra. Det finns olika gränser för BMI

och ålder. En studie delar upp resultatet beroende på kön (Segadilha et al., 2016). En annan

begränsar sig till att undersöka thoraxpatienter på en akutavdelning (Ratzlaff et al., 2016).

Ytterligare en studie redovisar endast resultat för BMI under respektive över 30

(Frankenfield, 2009). Vissa har rekryterat sina subjekt på blandade akutavdelningar, medan

andra har rekryterat kritiskt sjuka på medicinska avdelningar. Valideringsmetoderna skiljer

sig också mellan varandra, där resultaten presenteras som korrelationer, agreement eller

accuracy i olika studier. Vissa undersöker bias i sitt dataset, medan andra inte gör det.

Dessa faktorer försvårar en sammanvägning av resultatet.

Utöver detta utgör BMI ≥ 30 väldigt små grupper med cirka 20 subjekt i alla studier utom

en. Detta har gjorts avdrag för i evidensbedömningen, men resultatet bör ändå tolkas med

försiktighet.

4.4 Metoddiskussion

Systematiska översikter är av värde för att få en överblick i den ökande mängden

vetenskapliga artiklar som publiceras. Det som utmärker den systematiska

litteraturgenomgången gentemot den traditionella är att den förra med sitt strukturerade

tillvägagångssätt ska minimera riskerna för att bias eller slump påverkar slutsatserna. En

systematisk litteraturgenomgång ska vara så transparent att den kan replikeras av läsaren

(SBU, 2017). Genom att följa SBU:s metod har författarna av den här systematiska

litteraturgenomgången strävat efter en transparens i metodavsnittet. Alla val som har gjorts

gällande metoden har redovisats. Dessutom är SBU:s metod ett levande dokument som

ständigt uppdateras, på det sättet bör tillvägagångssättet som har använts här vara enligt de

senaste riktlinjerna.

Författarna av denna litteraturgenomgång resonerar enligt följande. I en systematisk

litteraturgenomgång kan måhända urval likställas med antal sökträffar och bortfall med

antal artiklar som exkluderas. Då inklusions- och exklusionskriterier är tydligt uppsatta

innan sökningen, och sökorden utformade för att få med så många träffar som möjligt inom

ett specifikt område, bör det vara rimligt att ett stort antal artiklar exkluderas givet att det i

slutändan kvarstår studier som utgör ett resultat. I figur 2.1 framgår att antalet sökträffar

var 131, varav 46 dubbletter. Det stora antalet dubbletter berodde på att sökningar

genomfördes i tre olika databaser: Pubmed, Scopus och CINAHL. Enligt SBU (2017) bör

23

sökningar göras i flera olika databaser för att minimera risken för att viktiga studier

förbises. Det stora bortfallet och det stora antalet dubbletter bör därmed kunna anses vara

acceptabelt. Mall för relevansbedömning rekommenderas av SBU (2017) vid läsning i

fulltext. Författarna av den här litteraturgenomgången använde sig inte av den utan utgick

endast från inklusions- och exklusionskriterierna vid bedömning av relevans då dessa var

tydligt uppsatta och relevansmallen inte bedömdes tillföra någon ytterligare hjälp vid

bedömningen.

Bortfallet i de studier som inkluderades i resultatet bedömdes eftersom höga bortfall kan

försvåra tolkningen av resultat (SBU, 2017). I QUADAS-formuläret var bortfall inkluderat

som ett bedömningsområde. Ingen av de inkluderade studierna hade något stort bortfall.

Några redovisade däremot inte om de hade något bortfall, vilket påverkade deras

kvalitetsbedömning negativt då det var svårt att bedöma om ett bortfall hade funnits men ej

redovisats. Urval hos de inkluderade studierna redogjordes för i GRADE-bedömningen. Ett

litet urval på 50 till 100 subjekt som inte hade powerberäknats ansågs av författarna till den

här systematiska litteraturgenomgången vara förenat med potentiella problem med oprecisa

data. Författarna till några av de studier som inkluderats i resultatet nämnde själva detta

som en begränsning vid tolkning av deras resultat, bland andra Frankenfield (2009).

Väldigt små urval på ungefär 20 subjekt bedömdes enligt samma resonemang som

otillräckliga för att kunna säga något om resultatet, och fick avdrag för detta i

bedömningen av GRADE. Detta bör minska risken för att tilltron till resultatet är

överdrivet hög.

Det finns flera andra styrkor hos den här systematiska litteraturgenomgången. För att

undersöka om det fanns ytterligare studier som inte hade fångats upp av sökorden

genomfördes en granskning av referenslistan hos de inkluderade studierna, vilket inte

resulterade i någon ytterligare träff. Detta indikerar att sökorden och de söktermer som

initialt utformades var heltäckande och passande för att hitta artiklar som eventuellt

besvarade syftet, och att de databaser som användes var lämpliga för detsamma. En

ytterligare styrka bestod i att författarna i sökorden använde det generella begreppet

prediktiva ekvationer, och inte avgränsade sökningarna till specifika ekvationer, vilket

hade kunnat leda till ett snedvridet resultat. Vid kvalitetsbedömningar enligt QUADAS och

GRADE gjordes först separata bedömningar av de två författarna som sedan jämfördes och

diskuterades. Inför QUADAS pilotgranskades också en studie. Dessa åtgärder minskar

risken för subjektiva bedömningar. Däremot är GRADE och QUADAS ändå förenat med

en subjektivitet då det krävs en viss individuell tolkning i bedömningen av frågorna.

Genom att huvudsakligen utgå från SBU:s granskningsmallar och rekommendationer har

författarna som tidigare nämnts ändå minimerat den subjektiva påverkan vid bedömningen.

Det faktum att en artikel pilotgranskades istället för fem och ingen kappa beräknades,

vilket går mot SBU:s rekommendation (SBU, 2013), kan ha haft en negativ påverkan på

kvalitetsbedömningen av de enskilda artiklarna i det avseende att det finns en större

sannolikhet att de har bedömts på olika grunder i takt med att bedömarna fått ökad

erfarenhet av att kvalitetsbedömning.

De studier som litteraturgenomgången fokuserade på var valideringsstudier, de flesta

utformade som retrospektiva observationsstudier. QUADAS ska tillämpas för diagnostiska

studier, där en alternativ metod valideras mot en referensmetod (gold standard). Tydliga

kriterier för vad som utgör ett tillräckligt bra resultat för att sätta diagnos eller inte

fastställs, och mäts i termer av sensitivitet och specificitet (SBU, 2017). För

24

valideringsstudier av prediktiva ekvationer jämfört med indirekt kalorimetri studeras hur

nära ekvationerna ligger IC. Det finns ingen tydlig konsensus över hur bra

överensstämmelsen bör vara i termer av korrelation, accuracy och agreement. Ingen

kvalitetsmall existerar för sådana typer av studier. Därför är QUADAS inte helt

samstämmig, men är ändå det bästa alternativet då både referensmetod och indexmetod

bedöms. Lika gäller GRADE, som anser att diagnostiska studier ska börja på evidensnivå

fyra medan observationsstudier bör utgå från evidenssteg två. De studier som utgör

resultatet i denna systematiska litteraturgenomgång har en observationell design, men då

de validerar ett instrument ansåg författarna att de bör utgå från den högsta nivån. Ett

flertal av ekvationerna validerades genom en enda studie. GRADE ger ingen konkret

vägledning för hur enstaka studier ska ligga till grund för bedömning. Vid bedömning av

överförbarhet bör avdrag göras för detta enligt SBU (2017). Författarna valde emellertid att

ge ytterligare avdrag med ett evidenssteg för enstaka studier baserat på övertygelsen om att

en studie inte bör ligga till grund för en hög eller måttlig evidens, oavsett om avdrag redan

hade gjorts för överförbarhet.

4.5 Uppsatsens resultat i relation till dietistprofessionen

Enligt “yrkesmässiga skyldigheter” i Dietisternas Riksförbunds kodex (2016) bör dietisten

“ge behandling eller information utifrån vetenskap och beprövad erfarenhet och aktivt

företräda yrkeskunskapen i kontakter inom hälso- och sjukvården och i samhället i övrigt”.

För att kunna tillämpa denna del av kodexen vid nutritionsbehandling av kritiskt sjuka

äldre skulle det underlätta om konsensus råder gällande vad som är bäst respektive näst

bäst behandling. Flera studier kommer fram till att prediktiva ekvationer inte hamnar nära

resultatet av IC vid kritisk sjukdom (Walker et al., 2009), medan andra studier menar att

vissa prediktiva ekvationer kan användas istället för IC (Japur et al., 2009). Behovet av att

validera ekvationer kvarstår oavsett på grund av bland annat bristande tillgång till IC,

bristande kunskap och svårigheter att implementera mätningar i sina rutiner (Oshima et al.,

2016). Mätning av 10 patienter tog fem timmar i anspråk i Frankenfield (2012), vilket visar

på hur tidskrävande mätningarna är.

Framtida valideringsstudier av endast PSU(2003b) och PSU(2010), som i denna

litteraturgenomgång har visat sig stämma bäst överens, skulle kunna tillföra mycket till

forskningen då det samlade underlaget skulle bli större. Det skulle kunna vägleda dietister

som är verksamma inom området som inte har tillgång till IC, eller vägleda dietister i de

fall där IC inte går att applicera på specifika patienter. Däremot bör det poängteras att

resultaten i studierna gäller på gruppnivå. En osäkerhet förenat med att använda prediktiva

ekvationer vid nutritionsbehandling av enskilda patienter kommer därför att kvarstå.

Utifrån ett ekonomiskt perspektiv kan användning av IC för bedömning av energibehov ha

en fördel på lång sikt, trots de höga kostnaderna för utrustningen tillsammans med

arbetskraftsintensiva och tidskrävande rutiner. Eftersom IC är exaktast vid bedömning av

energibehov, och äldre människor är en riskgrupp för malnutrition, så minskar risken för

malnutrition under sjukhusvistelsen om IC används. Malnutrition kan leda till ett flertal

komplikationer och på sikt leda till längre sjukhusvistelse, som kostar sjukvården mer

pengar (Oshima et al., 2016). Investering i respiratorer och utbildning av personal kan

därför bidra till förbättring av nutritionsbehandlingen och förkorta, eller åtminstone inte

25

förlänga, sjukhusvistelse.

5. Slutsats

Syftet med denna uppsats var att undersöka om prediktiva ekvationer kan utgöra ett

substitut till indirekt kalorimetri för bedömning av energibehov hos äldre kritiskt sjuka.

Resultaten av den systematiska litteraturgenomgången visar viss överensstämmelse mellan

IC och en prediktiv ekvation för kritiskt sjuka äldre med BMI <30. Samma ekvation visade

överensstämmelse för BMI ≥ 45, men för BMI ≥30 var en annan ekvation bäst. Det

vetenskapliga underlaget är dock för tunt för att kunna dra några slutsatser. Fler studier

som validerar ekvationerna behövs. Alla patienter uppnådde inte överensstämmelse med

hjälp av de bästa ekvationerna, vilket ligger i linje med tidigare resonemang om att IC bör

fortsätta vara gold standard för de kritiskt sjuka patienter där det är tillämpbart (Oshima et

al., 2016), även med avseende på äldre.

26

Referenser

Andersson, A., & Löf, M. (2013) Energi och metabolism. Abrahamsson, L., Andersson,

A., Nilsson, G (Red.), Näringslära för högskolan (s. 132-159). Stockholm. Liber.

Bennett, K. A., Robertson, L. C., & Al-Haddad, M. (2016). Recognizing the critically ill

patient. Anaesthesia & Intensive Care Medicine, 17(1), 1–4.

https://doi.org/10.1016/j.mpaic.2015.10.001

Bryman, A. (2008). Samhällsvetenskapliga metoder. Stockholm: Liber.

Carneiro, I. P., Elliott, S. A., Siervo, M., Padwal, R., Bertoli, S., Battezzati, A., & Prado, C.

M. (2016). Is Obesity Associated with Altered Energy Expenditure? Advances in Nutrition,

7(3), 476–487. https://doi.org/10.3945/an.115.008755

Cooper, J. A., Manini, T. M., Paton, C. M., Yamada, Y., Everhart, J. E., Cummings, S., …

Schoeller, D.A. (2013). Longitudinal change in energy expenditure and effects on energy

requirements of the elderly. Nutrition Journal, 12, 73. https://doi.org/10.1186/1475-2891-

12-73

*De Waele, E., Opsomer, T., Honoré, P. M., Diltoer, M., Mattens, S., Huyghens, L., &

Spapen, H. (2015). Measured versus calculated resting energy expenditure in critically ill

adult patients. Do mathematics match the gold standard? Minerva Anestesiologica, 81(3),

272–282.

Dietisternas Riksförbund. (2006). Etisk kod för dietister. Hämtad 2018-12-26 från

http://drf.nu/wp-content/uploads/2016/02/Revidering160210Etiskkodjusterad0904071.doc-

1.pdf

Flack, K. D., Siders, W. A., Johnson, L., & Roemmich, J. N. (2016). Cross-Validation of

Resting Metabolic Rate Prediction Equations. Journal of the Academy of Nutrition and

Dietetics, 116(9), 1413–1422. https://doi.org/10.1016/j.jand.2016.03.018

*Frankenfield, D.C (2011). Validation of an equation for resting metabolic rate in older

obese, critically ill patients. JPEN. Journal of Parenteral and Enteral Nutrition, 35(2),

264–269. https://doi.org/10.1177/0148607110377903

Frankenfield, D. C., Ashcraft, C. M., & Galvan, D. A. (2012). Longitudinal prediction of

metabolic rate in critically ill patients. JPEN. Journal of Parenteral and Enteral Nutrition,

36(6), 700–712. https://doi.org/10.1177/0148607112446702

*Frankenfield, D. C., Ashcraft, C. M., & Galvan, D. A. (2013). Prediction of resting

metabolic rate in critically ill patients at the extremes of body mass index. JPEN. Journal

of Parenteral and Enteral Nutrition, 37(3), 361–367.

https://doi.org/10.1177/0148607112457423

27

*Frankenfield, D. C., Coleman, A., Alam, S., & Cooney, R. N. (2009). Analysis of

estimation methods for resting metabolic rate in critically ill adults. JPEN. Journal of

Parenteral and Enteral Nutrition, 33(1), 27–36.

https://doi.org/10.1177/0148607108322399

Frankenfield, D.C, Hise, M., Malone, A., Russell, M., Gradwell, E., & Compher, C.

(2007). Prediction of resting metabolic rate in critically ill adult patients: results of a

systematic review of the evidence. Journal of the American Dietetic Association, 107(9),

1552–1561. https://doi.org/10.1016/j.jada.2007.06.010

Frankenfield, D.C, Roth-Yousey, L., & Compher, C. (2005). Comparison of predictive

equations for resting metabolic rate in healthy nonobese and obese adults: a systematic

review. Journal of the American Dietetic Association, 105(5), 775–789.

https://doi.org/10.1016/j.jada.2005.02.005

Forsberg, C., & Wengström, Y. (2016). Att göra systematiska litteraturstudier. Stockholm:

Natur och Kultur.

Gaillard, C., Alix, E., Sallé, A., Berrut, G., & Ritz, P. (2007). Energy requirements in frail

elderly people: a review of the literature. Clinical Nutrition (Edinburgh, Scotland), 26(1),

16–24. https://doi.org/10.1016/j.clnu.2006.08.003

Goisser, S., Kemmler, W., Porzel, S., Volkert, D., Sieber, C. C., Bollheimer, L. C., &

Freiberger, E. (2015). Sarcopenic obesity and complex interventions with nutrition and

exercise in community-dwelling older persons - a narrative review. Clinical Intervention in

Aging, 2015(10), 1267-1282. https://doi.org/10.2147/CIA.S82454

Haugen, H. A., Chan, L.-N., & Li, F. (2007). Indirect Calorimetry: A Practical Guide for

Clinicians. Nutrition in Clinical Practice, 22(4), 377–388.

https://doi.org/10.1177/0115426507022004377

*Hsu, P.-H., Lee, C.-H., Kuo, L.-K., Kung, Y.-C., Chen, W.-J., & Tzeng, M.-S. (2018).

Determination of the energy requirements in mechanically ventilated critically ill elderly

patients in different BMI groups using the Harris-Benedict equation. Journal of the

Formosan Medical Association = Taiwan Yi Zhi, 117(4), 301–307.

https://doi.org/10.1016/j.jfma.2017.12.010

Ireton-Jones, C.S. (2017). Intake: Energy. I Mahan, L.K., Raymond, J.L (Red.), Krause’s

food & the nutrition care process (s. 17-27). St. Louis, Missouri. Elsevier.

Japur, C. C., Penaforte, F. R. O., Chiarello, P. G., Monteiro, J. P., Vieira, M. N. C. M., &

Basile-Filho, A. (2009). Harris-Benedict equation for critically ill patients: are there

differences with indirect calorimetry? Journal of Critical Care, 24(4), 628.e1-5.

https://doi.org/10.1016/j.jcrc.2008.12.007

Kross, E. K., Sena, M., Schmidt, K., & Stapleton, R. D. (2012). A comparison of

predictive equations of energy expenditure and measured energy expenditure in critically

ill patients. Journal of Critical Care, 27(3), 321.e5-12.

https://doi.org/10.1016/j.jcrc.2011.07.084

28

Marik, P. E. (2006). Management of the critically ill geriatric patient: Critical Care

Medicine, 34(9), S176–S182. https://doi.org/10.1097/01.CCM.0000232624.14883.9Ai

Oshima, T., Berger, M.M., Waele E.D., Guttormsen, A.B., Heidegger C.P., Hiesmayr M.,

…Pichard, C. (2016). Indirect calorimetry in nutritional therapy. A position paper by the

ICALIC study group. Clinical nutrition, 36(3),651-662. doi: 10.1016/j.clnu.2016.06.010

*Picolo, M. F., Lago, A. F., Menegueti, M. G., Nicolini, E. A., Basile-Filho, A., Nunes, A.

A., … Auxiliadora-Martins, M. (2016). Harris-Benedict Equation and Resting Energy

Expenditure Estimates in Critically Ill Ventilator Patients. American Journal of Critical

Care: An Official Publication, American Association of Critical-Care Nurses, 25(1), 21-

29. https://doi.org/10.4037/ajcc2016758

Psota, T., & Chen, K. Y. (2013). Measuring energy expenditure in clinical populations:

rewards and challenges. European Journal of Clinical Nutrition, 67(5), 436–442.

https://doi.org/10.1038/ejcn.2013.38

Ranganathan, P., Pramesh, C. S., & Aggarwal, R. (2017). Common pitfalls in statistical

analysis: Measures of agreement. Perspectives in Clinical Research, 8(4), 187–191.

https://doi.org/10.4103/picr.PICR_123_17

*Ratzlaff, R., Nowak, D., Gordillo, D., Cresci, G. A., Faulhaber, K., Mascha, E. J., & Hata,

J. S. (2016). Mechanically Ventilated, Cardiothoracic Surgical Patients Have Significantly

Different Energy Requirements Comparing Indirect Calorimetry and the Penn State

Equations. JPEN. Journal of Parenteral and Enteral Nutrition, 40(7), 959–965.

https://doi.org/10.1177/0148607115581837

Reid, C. L. (2007). Poor agreement between continuous measurements of energy

expenditure and routinely used prediction equations in intensive care unit patients. Clinical

Nutrition, 26(5), 649–657. https://doi.org/10.1016/j.clnu.2007.02.003

Robinson, M. K., Mogensen, K. M., Casey, J. D., McKane, C. K., Moromizato, T., Rawn,

J. D., & Christopher, K. B. (2015). The relationship among obesity, nutritional status, and

mortality in the critically ill. Critical Care Medicine, 43(1), 87–100.

https://doi.org/10.1097/CCM.0000000000000602

SBU. (2017). Vår metod. Hämtad 06 december 2018, från https://www.sbu.se/sv/var-

metod/

SBU. (2013). Utvärdering av metoder i hälso- och sjukvården. En handbok. Stockholm:

Statens beredning för medicinsk utvärdering.

SBU. (2014). Etiska och sociala aspekter. Hämtad 30 januari 2019, från

https://www.sbu.se/globalassets/ebm/metodbok/sbushandbok_kapitel12.pdf

SCB. (2017). Sveriges framtida befolkning 2017–2060. Stockholm: Statistiska

Centralbyrån.

29

*Segadilha, N. L. A. L., Rocha, E. E. M., Tanaka, L. M. S., Gomes, K. L. P., Espinoza, R.

E. A., & Peres, W. A. F. (2017). Energy Expenditure in Critically Ill Elderly Patients:

Indirect Calorimetry vs Predictive Equations. JPEN. Journal of Parenteral and Enteral

Nutrition, 41(5), 776–784. https://doi.org/10.1177/0148607115625609

Siervo, M., Labanca, F., & Colantuoni, A. (2008). Validity of some prediction equations to

assess resting energy expenditure (REE) in 29 elderly obese subjects (>60 years). Eating

and Weight Disorders - Studies on Anorexia, Bulimia and Obesity, 13(1), e14–e19.

https://doi.org/10.1007/BF03327788

Singer, P., Blaser, A. R., Berger, M. M., Alhazzani, W., Calder, P. C., Casaer, M. P., …

Bischoff, S. C. (2018). ESPEN guideline on clinical nutrition in the intensive care unit.

Clinical Nutrition. https://doi.org/10.1016/j.clnu.2018.08.037

Svensk MeSH. (2017). Hämtad 19 november 2018, från

https://kib.ki.se/whatsup/blog/nytt-i-mesh-anno-2017

United Nations. (2017). World Population Prospects The 2017 Revision. New York:

United Nations.

Walker, R. N., & Heuberger, R. A. (2009). Predictive equations for energy needs for the

critically ill. Respiratory Care, 54(4), 509–521.

Weingarten, M. A., Paul, M., & Leibovici, L. (2004). Assessing ethics of trials in

systematic reviews. BMJ : British Medical Journal, 328(7446), 1013–1014.

Wellman, N.S., & Kamp, B.J. (2017). Nutrition in Aging. I Mahan, L.K., Raymond, J.L

(Red.), Krause’s food & the nutrition care process (s. 367-381). St. Louis, Missouri.

Elsevier

Winkler, M.F., & Malone, A.M. (2017). Medical Nutrition Therapy in Critical Care. I

Mahan, L.K., Raymond, J.L (Red.), Krause’s food & the nutrition care process (s.775-

789). St. Louis, Missouri. Elsevier.

World Health Organization. (2018). Ageing and health. Hämtad 2018-12-07, från

https://www.who.int/news-room/fact-sheets/detail/ageing-and-health

30

Bilaga 1. Exkluderade artiklar.

Författare Titel Orsak till exkludering

Góes, C.R., Balbi, A.L. &

Ponce, D.

Evaluation of Factors Associated with

Hypermetabolism and

Hypometabolism in Critically Ill AKI

Patients.

Ej relevant population.

Zusman, O., Theilla,

M., Cohen, J., Kagan,

I., Bendavid, I. & Singer, P.

Resting energy expenditure, calorie

and protein consumption in critically

ill patients: a retrospective cohort

study.

Ej relevant

intervention.

Góes., C.R., Berbel-Bufarah,

M.N., Sanches, A.C., Xavier,

P.S., Balbi, A.L. & Ponce, D.

Poor Agreement between Predictive

Equations of Energy Expenditure and

Measured Energy Expenditure in

Critically Ill Acute Kidney Injury

Patients.


Stapel, S.N., de Grooth, H.J.,

Alimohamad, H., Elbers, P.W.,

Girbes, A.R., Weijs, P.J. &

Oudemans-van Straaten, H.M.

Ventilator-derived carbon dioxide

production to assess energy

expenditure in critically ill patients:

proof of concept.


Raurich, J.M., Llompart-Pou,

J.A., Ferreruela, M., Riera,

M., Homar. J., Marsé, P.,

Colomar. A. & Ayestarán, I.

A simplified equation for total energy

expenditure in mechanically

ventilated critically ill patients.


Tajchman, S.K., Tucker, A.M.,

Cardenas-Turanzas, M.

& Nates, J.L.

Validation Study of Energy

Requirements in Critically Ill, Obese

Cancer Patients.

Ej relevant

intervention.

Koukiasa, P., Bitzani, M.,

Papaioannou, V. &

Pnevmatikos, I.

Resting Energy Expenditure in

Critically Ill Patients With

Spontaneous Intracranial Hemorrhage


De Waele, E., Spapen, H.,

Honoré, P.M., Mattens, S.,

Rose, T. & Huyghens, L.

Bedside calculation of energy

expenditure does not guarantee

adequate caloric prescription in long-

term mechanically ventilated

critically ill patients: a quality control

study.


Auxiliadora-Martins, M.,

Menegueti, M.G., Nicolini,

E.A., Picolo, M.F., Lago, A.F.,

Martins-Filho, O.A. & Basile-

Filho, A.

Energy expenditure in critically ill

surgical patients. Comparative

analysis of predictive equation and

indirect calorimetry.


Japur, C.C., Penaforte, F.R.,

Chiarello, P.G., Monteiro, J.P.,

Vieira, M.N. & Basile-Filho, A.

Harris-Benedict equation for critically

ill patients: are there differences with

indirect calorimetry?


Pirat, A., Tucker, A.M., Taylor,

K.A., Jinnah, R., Finch, C.G.,

Canada, T.D.& Nates, J.L.

Comparison of measured versus

predicted energy requirements in

critically ill cancer patients.


https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Stapel%20SN%5BAuthor%5D&cauthor=true&cauthor_uid=26494245

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=de%20Grooth%20HJ%5BAuthor%5D&cauthor=true&cauthor_uid=26494245

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Alimohamad%20H%5BAuthor%5D&cauthor=true&cauthor_uid=26494245

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Elbers%20PW%5BAuthor%5D&cauthor=true&cauthor_uid=26494245

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Girbes%20AR%5BAuthor%5D&cauthor=true&cauthor_uid=26494245

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Weijs%20PJ%5BAuthor%5D&cauthor=true&cauthor_uid=26494245

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Oudemans-van%20Straaten%20HM%5BAuthor%5D&cauthor=true&cauthor_uid=26494245

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Raurich%20JM%5BAuthor%5D&cauthor=true&cauthor_uid=26319850

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Llompart-Pou%20JA%5BAuthor%5D&cauthor=true&cauthor_uid=26319850

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Llompart-Pou%20JA%5BAuthor%5D&cauthor=true&cauthor_uid=26319850

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Ferreruela%20M%5BAuthor%5D&cauthor=true&cauthor_uid=26319850

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Riera%20M%5BAuthor%5D&cauthor=true&cauthor_uid=26319850

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Riera%20M%5BAuthor%5D&cauthor=true&cauthor_uid=26319850

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Homar%20J%5BAuthor%5D&cauthor=true&cauthor_uid=26319850

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Mars%C3%A9%20P%5BAuthor%5D&cauthor=true&cauthor_uid=26319850

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Colomar%20A%5BAuthor%5D&cauthor=true&cauthor_uid=26319850

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Ayestar%C3%A1n%20I%5BAuthor%5D&cauthor=true&cauthor_uid=26319850

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Tajchman%20SK%5BAuthor%5D&cauthor=true&cauthor_uid=25754439

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Tucker%20AM%5BAuthor%5D&cauthor=true&cauthor_uid=25754439

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Cardenas-Turanzas%20M%5BAuthor%5D&cauthor=true&cauthor_uid=25754439

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Nates%20JL%5BAuthor%5D&cauthor=true&cauthor_uid=25754439

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Koukiasa%20P%5BAuthor%5D&cauthor=true&cauthor_uid=24928226

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Bitzani%20M%5BAuthor%5D&cauthor=true&cauthor_uid=24928226

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Papaioannou%20V%5BAuthor%5D&cauthor=true&cauthor_uid=24928226

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=De%20Waele%20E%5BAuthor%5D&cauthor=true&cauthor_uid=22675272

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Spapen%20H%5BAuthor%5D&cauthor=true&cauthor_uid=22675272

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Honor%C3%A9%20PM%5BAuthor%5D&cauthor=true&cauthor_uid=22675272

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Mattens%20S%5BAuthor%5D&cauthor=true&cauthor_uid=22675272

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Rose%20T%5BAuthor%5D&cauthor=true&cauthor_uid=22675272

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Huyghens%20L%5BAuthor%5D&cauthor=true&cauthor_uid=22675272

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Auxiliadora%20Martins%20M%5BAuthor%5D&cauthor=true&cauthor_uid=22030815

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Menegueti%20MG%5BAuthor%5D&cauthor=true&cauthor_uid=22030815

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Nicolini%20EA%5BAuthor%5D&cauthor=true&cauthor_uid=22030815

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Nicolini%20EA%5BAuthor%5D&cauthor=true&cauthor_uid=22030815

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Picolo%20MF%5BAuthor%5D&cauthor=true&cauthor_uid=22030815

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Lago%20AF%5BAuthor%5D&cauthor=true&cauthor_uid=22030815

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Martins%20Filho%20OA%5BAuthor%5D&cauthor=true&cauthor_uid=22030815

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Basile%20Filho%20A%5BAuthor%5D&cauthor=true&cauthor_uid=22030815

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Basile%20Filho%20A%5BAuthor%5D&cauthor=true&cauthor_uid=22030815

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Japur%20CC%5BAuthor%5D&cauthor=true&cauthor_uid=19327332

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Penaforte%20FR%5BAuthor%5D&cauthor=true&cauthor_uid=19327332

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Chiarello%20PG%5BAuthor%5D&cauthor=true&cauthor_uid=19327332

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Monteiro%20JP%5BAuthor%5D&cauthor=true&cauthor_uid=19327332

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Vieira%20MN%5BAuthor%5D&cauthor=true&cauthor_uid=19327332

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Basile-Filho%20A%5BAuthor%5D&cauthor=true&cauthor_uid=19327332

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Pirat%20A%5BAuthor%5D&cauthor=true&cauthor_uid=19327184

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Tucker%20AM%5BAuthor%5D&cauthor=true&cauthor_uid=19327184

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Taylor%20KA%5BAuthor%5D&cauthor=true&cauthor_uid=19327184

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Taylor%20KA%5BAuthor%5D&cauthor=true&cauthor_uid=19327184

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Jinnah%20R%5BAuthor%5D&cauthor=true&cauthor_uid=19327184

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Canada%20TD%5BAuthor%5D&cauthor=true&cauthor_uid=19327184

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Nates%20JL%5BAuthor%5D&cauthor=true&cauthor_uid=19327184

31

Mogensen, K.M., Andrew,

B.Y., Corona, J.C. & Robinson,

M.K.

Validation of the Society of Critical

Care Medicine and American Society

for Parenteral and Enteral Nutrition

Recommendations for Caloric

Provision to Critically Ill Obese

Patients: A Pilot Study

Ej relevant

population/intervention.

Sabatino, A., Theilla, M.,

Hellerman, M., Singer, P.,

Maggiore, U., Barbagallo, M.,

Regolisti, G. & Fiaccadori, E.

Energy and Protein in Critically Ill

Patients with AKI: A Prospective,

Multicenter Observational Study

Using Indirect Calorimetry and

Protein Catabolic Rate


De Waele, E., Spapen, H.,

Honoré, P.M., Mattens, S., Van

Gorp, V., Diltoer, M. &

Huyghens, L.

Introducing a new generation indirect

calorimeter for estimating energy

requirements in adult intensive care

unit patients: Feasibility, practical

considerations, and comparison with

a mathematical equation


Yost, G., Gregory, M. & Bhat,

G.

Nutrition Assessment With Indirect

Calorimetry in Patients Evaluated for

Left Ventricular Assist Device

Implantation

Ej relevant

intervention.

Subramaniam, A., McPhee, M.

& Nagappan, R.

Predicting energy expenditure in

sepsis: Harris–Benedict and Schofield

equations versus the Weir derivation

Ej referensgranskad.

Kross, E.K., Sena, M., Schmidt,

K. & Stapleton, R.D.

A comparison of predictive equations

of energy expenditure and measured

energy expenditure in critically ill

patients


Rousing, M.L., Hahn-Pedersen,

M.H., Andreassen, S.,

Pielmeier, U. & Preiser, J.-C.

Energy expenditure in critically ill

patients estimated by population-

based equations, indirect calorimetry

and CO2 -based indirect calorimetry


Exkluderad artikel efter kvalitetsgranskning.

Författare Titel Orsak till exkludering

Frankenfield, D.C., Ashcraft,

C.M. & Galvan, D.A.

Longitudinal Prediction of

Metabolic Rate in Critically

Ill Patients

Utesluten efter läsning i fulltext.

För litet urval, longitudinell studie,

svarar ej gentemot syftet.

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Yost%20G%5BAuthor%5D&cauthor=true&cauthor_uid=26024679

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Bhat%20G%5BAuthor%5D&cauthor=true&cauthor_uid=26024679

https://www-ncbi-nlm-nih-gov.ezproxy.its.uu.se/pubmed/?term=Bhat%20G%5BAuthor%5D&cauthor=true&cauthor_uid=26024679

https://www-scopus-com.ezproxy.its.uu.se/authid/detail.uri?origin=resultslist&authorId=50861902600&zone=






32

Bilaga 2. QUADAS – mall för kvalitetsgranskning.

33

Bilaga 3. Kriterier för kvalitetsgranskning.

Då studierna som kvalitetsgranskas är baserade på matematiska värden och inte på egna

värderingar blir fråga 7 och 8 mindre relevant och exkluderas.

Fråga 12 är en kompletterande fråga som lyder ”Ger studien en klar definition på vad som

ansågs vara ett ”positivt” resultat?”.

Hög kvalitet

Svar JA på alla frågor

alternativt svar OKLART på

9, 11 eller 12 och svar JA på

resterande frågor.

Medelhög kvalitet

Svar NEJ på fråga 9, 11 eller

12 alternativt svar OKLART

på minst tre frågor.

Låg kvalitet

Svar NEJ på fråga 1, 2 eller 3

alternativt svar NEJ på minst

tre andra frågor.

34

Bilaga 4. Arbetsfördelning

Planering av undersökningen och uppsatsarbetet: 50/50

Litteratursökning: 50/50

Datainsamling: 50/50

Analys: 50/50

Skrivande av uppsatsen: 50/50

Svårt och exakt, eller enkelt och...

Documents

Transcript of Svårt och exakt, eller enkelt och...