Svårt och exakt, eller enkelt och...
Transcript of 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.
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. 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
bias i sitt dataset och alla delar i QUADAS-formuläret bedöms vara godkända. Kvaliteten
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).
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. 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.
Studiekvalitet: Studien bedömdes ha låg risk för systematiska fel. Författarna undersökte
bias i sitt dataset och alla delar i QUADAS-formuläret bedöms vara godkända. Kvaliteten
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.
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
16
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 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.
Studiekvalitet: Studien bedömdes ha låg risk för systematiska fel. Författarna undersökte
bias i sitt dataset och alla delar i QUADAS-formuläret bedöms vara godkända. Kvaliteten
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.
Ej relevant population.
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.
Ej relevant population.
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.
Ej relevant population.
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
Ej relevant population.
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.
Ej relevant population.
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.
Ej relevant population.
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?
Ej relevant population.
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.
Ej relevant population.
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
Ej relevant population.
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
Ej relevant population.
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
Ej relevant population.
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
Ej relevant population.
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.
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