Validatieonderzoek van de Meet & Weet schattingsmethode
Een kwantitatief onderzoek: is de registratie met het Meet & Weet
puntensysteem voor een grove schatting van de energie- en eiwitinname valide
en toepasbaar in de klinische praktijk?
Afstudeerproject Bachelor Voeding en Diëtetiek
K. Bakker en H.P. Vlasblom
Studentnummer: 500745889 en 500709364 Afstudeerproject 2020212 Opdrachtgever: Amsterdam UMC, locatie VUmc
Validatieonderzoek van de Meet & Weet schattingsmethode
Een kwantitatief onderzoek: is de registratie met het Meet & Weet
puntensysteem voor een grove schatting van de energie- en eiwitinname valide en
toepasbaar in de klinische praktijk?
Auteur: K. Bakker en H.P. Vlasblom
Kimberley.bakker2@hva.nl en hannah.vlasblom@hva.nl
Projectnummer: 2020212
Opdrachtgever: Amsterdam UMC, locatie VUmc
Praktijkbegeleiders: Dr. ir. Hinke Kruizenga – Coördinator onderwijs en onderzoek afdeling diëtetiek en voedingswetenschappen
School: Hogeschool van Amsterdam
Docentbegeleider: Ir. Annemarie Both-Zuur
Examinator: Dr. Hanna Zijlstra
Voorwoord
Geachte lezer,
Voor u ligt de afstudeerscriptie ‘Validatieonderzoek van de Meet & Weet schattingsmethode’. Deze scriptie is in opdracht van het Amsterdam UMC, locatie VUmc geschreven door Kimberley Bakker en Hannah Vlasblom als afstudeerproject van de Bacheloropleiding Voeding en Diëtetiek aan de Hogeschool van Amsterdam.
Allereerst willen wij graag dr. ir. Hinke Kruizenga, coördinator onderwijs en onderzoek afdeling diëtetiek en voedingswetenschappen, bedanken voor het aanbieden van deze afstudeeropdracht, voor haar flexibiliteit en voor haar enthousiaste begeleiding tijdens het schrijven van deze scriptie. Daarnaast willen wij docentbegeleider ir. Annemarie Both-Zuur bedanken voor haar ondersteuning en begeleiding tijdens onze afstudeerperiode. Haar positieve houding, motiverende woorden en kennis over het doen van onderzoek hebben ons enorm geholpen.
Verder willen wij dr. Hanna Zijlstra bedanken voor het examineren van deze scriptie.
Tot slot bedanken wij de patiënten die hebben deelgenomen aan dit onderzoek, zonder deze deelname had dit onderzoek niet kunnen plaatsvinden.
Deze scriptie is tot stand gekomen dankzij bovengenoemde personen. Wij zijn dankbaar voor de ontwikkeling die wij hebben mogen doormaken tijdens deze afstudeerperiode.
Wij wensen u veel leesplezier toe. Kimberley Bakker en Hannah Vlasblom Amsterdam, juni 2020
Samenvatting
DoelHet doel van dit onderzoek is de validiteit en de toepasbaarheid van ‘Meet & Weet wat je patiënt eet’ (M&W) te bepalen. Met deze methode kan aan de hand van M&W-punten per maaltijdmoment op een gemakkelijke manier de voedingsinname van patiënten worden geschat. Daarnaast wordt er gekeken naar verbeterpunten voor de M&W-schattingsmethode.
Methode
De onderzoeksopzet is observationeel en kwantitatief. De onderzoekspopulatie bestaat uit 141 respondenten, welke waren opgenomen in het Amsterdam UMC, locatie AMC. De gegevens van deze respondenten zijn door AMC-studentonderzoekers observationeel verzameld door de
werkelijke voedingsinname bij te houden. Deze voedingsinname is gebruikt om de M&W-waarde te schatten. Om de spreiding van het verschil tussen de werkelijke waarde en de M&W-waarde
tegenover de gemiddelde inname weer te geven, zijn Bland-Altman plots gemaakt. Daarnaast zijn de sensitiviteit, de specificiteit, de positief verwachte waarde en de negatief verwachte waarde van de M&W-methode berekend. Om de verschillen in energie- en eiwitinname tussen de werkelijke waarde en de M&W-waarde aan te tonen is gebruik gemaakt van de Wilcoxon signed-rank test. Resultaten
De sensitiviteit en specificiteit van de ‘slechte inname’-categorie zijn hoger dan 83%. De sensitiviteit en specificiteit van de ‘slechte en matige inname’-categorieën samen zijn hoger dan 73%. De schatting van de energie-inname van tussendoortje één (T1), tussendoortje twee (T2) en
tussendoortje drie (T3) heeft een afwijking van >20%, de schatting van de eiwitinname van T1 en T3 heeft een afwijking van >20%. Er is een significant verschil tussen de werkelijke en de geschatte M&W-energie-inname bij de warme maaltijd (WM) (p=.000) en een significant verschil tussen de werkelijke en de geschatte M&W-eiwitinname bij T1 (p=.003) en bij de WM (p=.004). Tot slot is opvallend dat de over- of onderschatte respondenten veel producten nuttigden die niet in de M&W-productcategorieën waren opgenomen.
Conclusie
De M&W-methode is een valide schattingsmethode voor een grove schatting van de energie- en eiwitinname per dag. Echter, verschillende maaltijdmomenten hebben een afwijking van >20% tussen de werkelijke en de geschatte M&W-waarde. Er wordt aangeraden om de toepasbaarheid van de methode verder te onderzoeken en de afwijkende producten van de productcategorieën van de M&W-methode te verwerken in deze categorieën.
Trefwoorden:
Inhoudsopgave
1. Inleiding ... 5 1.1 Aanleiding ... 5 1.2 Doelstelling en eindproduct ... 7 1.3 Onderzoeksvraag ... 7 1.4 Deelvragen ... 7 2. Methode ... 8 2.1 Kwantitatief onderzoek ... 8 2.2 Onderzoekspopulatie ... 8 2.3 Statische analyse ... 10 3. Resultaten ... 133.1 Demografische kenmerken van de onderzoekspopulatie ... 13
3.2 Validatie ... 13
3.3 Toepasbaarheid ... 23
4. Discussie ... 24
4.1 Belangrijkste resultaten en vergelijking met relevante literatuur ... 24
4.2 Sterke en zwakke punten van dit onderzoek ... 26
5. Conclusie ... 28
6. Aanbevelingen ... 29
Referenties ... 31
Bijlage I. Score, acties en uitvoering Meet & Weet ... 33
Bijlage II. Niet WMO-verklaring ... 34
Bijlage III. ICF ... 36
Bijlage IV. Case Report Form (CRF) ... 38
Bijlage V. Meet & Weet invullijst ... 43
Bijlage VI. Beschrijvende en toetsende statistische coderingen van de variabelen SPSS ... 44
Bijlage VII. Afwijkende producten ... 49
Bijlage VIII. Tabellen hoogste 3 uitschieters over- en/of onderschatting energie- en eiwitinname . 50 Bijlage IX. Aantal over- en onderschattingen energie- en eiwitinname ... 52
1. Inleiding
In opdracht van het Amsterdam UMC, locatie VUmc is onderzocht of de Meet & Weet
schattingsmethode valide en toepasbaar is voor het schatten van de energie- en eiwitinname in de klinische praktijk.
1.1 Aanleiding Ondervoeding
In ziekenhuizen komt ondervoeding veel voor. Vijftien procent van de patiënten die in een ziekenhuis verblijven is ondervoed. Ondervoeding wordt gedefinieerd als een acute of chronische situatie waarbij er een ongunstige disbalans ontstaat van energie, eiwit en andere voedingsstoffen. Dit kan leiden tot nadelige effecten op de lichaamssamenstelling, maar ook op het functioneren en de klinische resultaten (1).
Vooral patiënten die een grote operatie hebben ondergaan, patiënten met ernstig lichamelijk trauma, kwetsbare ouderen, chronisch zieken en oncologische patiënten zijn risicogroepen voor ondervoeding. Uit eerder onderzoek, in 2016 uitgevoerd door Stuurgroep Ondervoeding, is gebleken dat bij de eerste opnamedag veertien tot vijftien procent van de patiënten de screeninguitslag ‘ondervoed’ krijgt bij binnenkomst. De screeninguitslag ‘ondervoed’ komt het meest voor bij
patiënten bij de specialismen geriatrie, oncologie, interne geneeskunde en gastro-enterologie (1,2).
Vaak is het behalen van een adequate inname voor een patiënt moeilijk. Dit kan door verschillende factoren veroorzaakt worden: de behoefte aan energie en eiwitten kan door ziekte zijn verhoogd of het consumeren van eten en drinken is belemmerd door bijvoorbeeld een verminderde eetlust, pijn bij eten, misselijkheid en andere voeding gerelateerde klachten (3). Voeding gerelateerde klachten kunnen invloed hebben op ondervoeding. Daarom worden de meeste patiënten bij opname in het Amsterdam UMC gescreend op ondervoeding door middel van de SNAQ om tijdig te kunnen starten met optimale voeding en een diëtistische behandeling (4).
Uit onderzoek van Stuurgroep Ondervoeding blijkt dat zonder systematische screening op ondervoeding slechts de helft van de ondervoede patiënten wordt herkend. Als daarentegen wel systematisch gebruik wordt gemaakt van screeningsinstrumenten, kan het percentage van herkenning van ondervoede patiënten bij opname van 50% naar 80% stijgen (5).
Voedingsanamnesemethode en screeninginstrumenten
Om de voedingsinname te meten wordt er bij de patiënt een voedingsanamnese afgenomen door de ingeschakelde diëtist. Het afnemen van de voedingsanamnese heeft als doel het behandelplan goed af te stemmen op de behoeften van de patiënt. Het is vaak lastig om de voedingsinname te meten. Elke methode maakt gebruik van een andere techniek en is geschikt voor een andere doelgroep (6). De voedingsanamnese zijn vaak gebaseerd op een 24h-recall, dietary history, voedseldagboek of frequentielijst. Dit zijn methodes voor het vastleggen van de voedingsinname. De uitvoering van deze genoemde meetinstrumenten kost relatief veel tijd (6,7).
Om het afnemen van de voedingsinname te optimaliseren, is er behoefte aan een methode die toepasbaar is in verschillende situaties in de klinische diëtetiek. Deze methode dient niet als vervanging voor voedingsanamnese-instrumenten, maar als een snelle schattingsmethode van de voedingsinname. Met de implementatie van deze schattingsmethode kan de voedingsassistent of verpleegkundige tijdig een slechte inname bij een opgenomen patiënt signaleren. Zo worden alle patiënten met deze schattingsmethode systematisch gescreend op mogelijke ondervoeding tijdens opname, waardoor tijdig de diëtist in consult gevraagd kan worden. Deze methode is anders dan de
SNAQ, welke enkel wordt afgenomen bij de opname (4). De behoefte naar een schattingsmethode voor het monitoren van de voedingsinname en het signaleren van mogelijke ondervoeding is niet alleen in Nederland maar ook in andere landen te vinden (8, 9).
Potentiële schattingsmethodes in het buitenland
In IJsland werd onderzocht of een schattingsmethode aan de hand van een borddiagram valide is. Uit onderzoek van Bjornsdottir R, et al. blijkt dat bij de maaltijden waarvan <50% van de maaltijd wordt geconsumeerd de energie- en eiwitinname wordt onderschat (8). Er is nog verder onderzoek nodig naar de validiteit van deze methode. Daarnaast werd in Noorwegen onderzocht of een app aan de hand van foto’s een valide schattingsmethode is voor de voedingsinname van klinisch opgenomen patiënten. Deze methode blijkt veel potentie te hebben, maar de app moet nog verder worden uitgewerkt (9). Tevens heeft Stuurgroep Ondervoeding uit Nederland een nieuwe
schattingsmethode aan de hand van punten ontwikkeld met het streven dat deze minder moeite en tijd kost in de praktijk (10).
Meet & Weet
Het Meet & Weet puntensysteem is ontwikkeld om gedurende een korte periode, op een makkelijke manier, globaal bij te houden wat de patiënt eet. Deze methode werkt met een puntensysteem en een invullijst. Per maaltijd worden er punten gegeven aan de gegeten hoeveelheid en deze worden per maaltijd ingevuld op de lijst. Aan het einde van de dag worden de punten opgeteld en deze geven een dagscore. Met deze dagscore wordt bepaald of de voedingsinname voldoende, matig of slecht is en of er aanvullende begeleiding nodig is. Eén punt staat gelijk aan 130 kcal en 5 gram eiwit. In bijlage I staat overzichtelijk weergegeven waar de afkappunten voor de scores liggen en bij welke patiënten de voedingsinname via het Meet & Weet puntensysteem bijgehouden moet worden (10).
Validatie Meet & Weet puntensysteem
In eerder onderzoek van Stuurgroep Ondervoeding is in een kleine onderzoeksgroep van 24 patiënten onderzocht of het Meet & Weet puntensysteem een valide schattingsmethode is om de energie- en eiwitinname te schatten bij ziekenhuispatiënten en hoeveel het puntensysteem afwijkt van de werkelijke inname. Hieruit kwam naar voren dat het Meet & Weet puntensysteem een valide methode is om de energie- en eiwitinname te monitoren voor ziekenhuispatiënten. Echter, een grotere validiteitsstudie is nodig om deze validiteit te bekrachtigen (11).
1.2 Doelstelling en eindproduct
De doelstelling van deze afstudeeropdracht is het beoordelen van het Meet & Weet puntensysteem en achterhalen of dit een klinisch valide methode is om de energie- en eiwitinname van patiënten te schatten in de praktijk.
In deze scriptie zullen de verschillen tussen de werkelijke waarde en de Meet & Weet waarde van het puntensysteem duidelijk in kaart worden gebracht. Dit om te laten zien in hoeverre het Meet & Weet puntensysteem afwijkt van de werkelijke waarde en waardoor dit komt. Daarnaast wordt omschreven of het Meet & Weet puntensysteem toepasbaar is in de praktijk. Indien het Meet & Weet puntensysteem toepasbaar is in de praktijk kunnen ziekenhuizen en andere zorginstellingen dit implementeren. Deze mogelijk tijdbesparende en niet-invasieve methode kan tijdens opname vroegtijdig screenen of een patiënt risico op ondervoeding heeft, zodat de diëtist tijdig ingeschakeld kan worden.
1.3 Onderzoeksvraag
Is de registratie met het Meet & Weet puntensysteem voor een grove schatting van de energie- en eiwitinname valide en toepasbaar in de klinische praktijk?
1.4 Deelvragen
1. Wat is het verschil tussen de werkelijke energie- en eiwitinname en de geschatte Meet & Weet energie- en eiwitinname per maaltijdmoment en per dag?
2. Bij welke maaltijdmomenten is het verschil tussen de werkelijke energie- en eiwitinname en de geschatte Meet & Weet energie- en eiwitinname het grootst?
3. Hoe valide is de Meet & Weet schattingsmethode en hoe valide zijn de Meet & Weet innamecategorieën ‘slecht, matig en voldoende’ voor het inschatten van de
voedingstoestand?
4. Hoe ontstaat er een verschil tussen de werkelijke totale inname van energie en eiwit en de totaal geschatte hoeveelheid energie en eiwit met de Meet & Weet schattingsmethode per dag?
2. Methode
In dit hoofdstuk wordt de methodologie van dit onderzoek beschreven waarmee de hoofd- en deelvragen van dit onderzoek beantwoord worden.
2.1 Kwantitatief onderzoek
Dit onderzoek is observationeel en kwantitatief opgezet. Vanuit het Amsterdam UMC, locatie AMC, vanaf nu AMC genoemd, zijn datasets overhandigd aan de onderzoekers van huidig onderzoek. Deze datasets werden gebruikt om verschillende analyses in het programma Statistical Package for the Social Sciences 25, vanaf nu ‘SPSS’ genoemd, uit te voeren. Met deze analyses konden de
onderzoekers de hoofd- en deelvragen beantwoorden.
Voorafgaand aan het onderzoek is bij de Medische Ethische Commissie van het Amsterdam UMC een verzoek ingediend. Dit onderzoek valt niet onder een reikwijdte van de Wet
Medisch-wetenschappelijk Onderzoek met mensen (WMO) en kon daarom van start gaan (zie bijlage II). De onderzoekers van het AMC hebben onderstaande criteria en wervingsprocedure gehanteerd tijdens het verzamelen van de data.
2.2 Onderzoekspopulatie
Niet alle patiënten zijn geschikt om mee te doen aan dit onderzoek, daarom zijn in het AMC de volgende inclusie- en exclusiecriteria opgezet.
Inclusiecriteria
• De patiënt is opgenomen in het AMC.
• De patiënt heeft de Informed Consent Form (ICF) afgegeven (zie bijlage III). Exclusiecriteria
• Patiënt wordt gedeeltelijk of volledig (par)enteraal gevoed. • Patiënt ligt op de Intensive Care.
• Kinderen (<18 jaar).
• Patiënt is fysiek of mentaal niet in staat vragen te beantwoorden. • Patiënt is niet Nederlandstalig.
• Ontbreken Informed Consent Form (ICF) verklaring.
Uiteindelijk zijn aan de hand van de hierboven genoemde criteria de gegevens van 141 patiënten in de datasets verwerkt.
Wervingsprocedure
De datasets die werden gebruikt voor dit onderzoek zijn in 2019 verzameld in het AMC. Destijds zijn in het AMC door de onderzoekers van het AMC 141 respondenten geobserveerd. Deze onderzoekers noteerden de werkelijke intake van de respondenten gedurende een hele dag. Vervolgens zijn de verzamelde data in datasets verwerkt en aan de onderzoekers van huidig onderzoek overgedragen.
Het werven van de potentiële participanten werd gedaan in overleg met de hoofdverpleegkundigen van de afdelingen. De afdelingen die waren geïncludeerd voor het verzamelen van de data waren vooraf over het onderzoek geïnformeerd doormiddel van een informatieve mail.
Alle patiënten gelegen op de verpleegafdelingen in het AMC die aan de inclusiecriteria voldeden werden mondeling door de onderzoekers van het AMC geworven voor het onderzoek. Deze onderzoekers gaven de patiënten uitleg over de vertrouwelijke gegevensverwerking en
overhandigden aan de patiënten een informatiebrief en een Informed Consent Form (zie bijlage III), vanaf nu ICF genoemd.
Vervolgens gaven de onderzoekers van het AMC de patiënten een uur de tijd om het voorlichtingsmateriaal te lezen voordat de onderzoekers de patiënten hielpen met het
ondertekenen van de ICF’s. Eerst tekenden de patiënten de ICF’s en vervolgens de onderzoekers. Ter afronding ontvingen de patiënten een kopie van de ondertekende formulieren als bewijs van de participatie aan het onderzoek.
Dataverzameling door AMC-onderzoekers
De onderzoekers van het AMC waren bij alle maaltijdmomenten aanwezig op dinsdag, woensdag en donderdag. Deze onderzoekers liepen mee met de voedingsassistent van de desbetreffende
afdeling. Alle voedingsassistenten waren op de hoogte gebracht van het onderzoek middels een informatiebrief die was uitgedeeld op de afdeling. Tijdens het meelopen registreerden de
onderzoekers het eten en drinken bij het uitserveren en bij het ophalen door foto’s te nemen van het bord en daarbij te noteren wat er op het bord lag. Bij het ophalen van de maaltijden werd de hoeveelheid van de overgebleven porties geschat in 0,25; 0,50; 0,75; 1,00 in vergelijking tot de geserveerde portie. Het eten dat genuttigd werd buiten de maaltijdmomenten om werd aan het einde van de dag eenmaal nagevraagd bij de respondent. De onderzoekers noteerde de inname van de respondent op het Case Report Form (zie bijlage IV), vanaf nu CRF genoemd.
Tijdens het bijhouden en invoeren van de voedingsinname is onderscheid gemaakt tussen de maaltijdmomenten. De gegevens van de gehele dag werden verzameld in een Excel bestand. Dit is een rekenbestand wat is opgebouwd uit alle voedingsproducten die beschikbaar zijn voor de patiënten binnen het AMC, inclusief drinkvoeding. De productinformatie werd zowel bij de keuken nagevraagd als van de etiketten afgelezen. De ontbrekende productgegevens werden aangevuld met de NEVO-online tabel.
Op de onderzoeksdagen werden naast het observeren van de intake ook metingen uitgevoerd in de keuken. De verschillende eiwitcomponenten van de warme maaltijd, vlees, vis of een
vleesvervanger, werden eenmalig gewogen. Dit gewicht werd gebruikt als een referentiewaarde voor het schatten van de hoeveelheden van de eiwitcomponenten van de warme maaltijden. Alle gegevens werden gecodeerd en vertrouwelijk verwerkt. In het CRF werd gewerkt met
een onderzoeksnummer, met daarnaast een sleutelbestand naar persoonsgegevens waarin naam en geboortedatum van de respondenten waren verwerkt. De praktijkbegeleider van het AMC heeft de onderzoekers gegevens van de respondenten uit EPIC dagelijks overhandigd. EPIC is een elektronisch patiëntendossier wat in verschillende ziekenhuizen in Nederland wordt gebruikt. Als persoonlijke gegevens ontbraken, werden deze nagevraagd bij de respondent.
In het CRF zijn o.a. het geslacht, de leeftijd, het gewicht, de lengte, de BMI, de SNAQ-score, de afdeling en de voedingsinname geregistreerd om de karaktereigenschappen van de
onderzoekspopulatie in een tabel weer te kunnen geven bij de verwerking van de resultaten. Met deze gegevens kon door de onderzoekers een duidelijk beeld worden geschetst over de
samenstelling van de participanten. Uiteindelijk werd in het Excel bestand de volledige intake van de dag berekend en werd er geen onderscheid gemaakt tussen de verschillende maaltijdmomenten. De datasets werden in dit format aan de onderzoekers van huidig onderzoek overhandigd.
Dataverzameling door Meet & Weet onderzoekers
Na ontvangst van deze datasets splitsten de onderzoekers van huidig onderzoek welke producten per maaltijdmoment gegeten werden. Aan de hand van deze producten werden de Meet & Weet punten aan de respondenten toegekend. Bij de Meet & Weet schattingsmethode is per
productcategorie en per maaltijdmoment vastgelegd hoeveel punten moeten worden toegekend. Voor het toekennen van de Meet & Weet punten per maaltijdmoment werd het invulschema in bijlage V gebruikt. In de praktijk wordt het toekennen van de Meet & Weet punten gewoonlijk door de voedingsassistenten uitgevoerd. Na het toekennen van de punten werden deze per respondent opgeteld om een totaalscore van de dag te krijgen. De voedingsinname van de respondenten werd gecategoriseerd met de volgende verdeling: een totaalscore 9 of minder punten per dag = slechte inname, 10 tot 15 punten = matige inname en 16 of meer punten = voldoende inname. Met deze informatie kan de progressie van de voedingsinname van de respondent gemonitord worden. De patiënt in het ziekenhuis moet extra tussentijdse verstrekkingen krijgen als de voedingsinname twee of meer dagen matig is. De diëtist moet in het ziekenhuis ingeschakeld worden als de
voedingsinname van de patiënt twee of meer dagen slecht is of als de voedingsinname vier of meer dagen matig is (10).
De Meet & Weet punten werden per respondent gerapporteerd in Excel. In het Excel bestand waren formules ontwikkeld om de berekening van Meet & Weet punten naar de geschatte Meet & Weet waarde te maken. De volgende verhouding werd hiervoor gehanteerd: 1 punt staat gelijk aan 130 kcal en 5 gram eiwit. Met deze verhouding werd tijdens het invoeren van de toegekende Meet & Weet punten omgerekend hoeveel kcal en gram eiwit de geschatte Meet & Weet waarde is. Dit bestand werd gebruikt als de nieuwe dataset van dit onderzoek voor de analyse in SPSS.
2.3 Statische analyse
Om de verschillende variabelen beschrijvend en toetsend te analyseren, is gebruik gemaakt van SPSS. Voor zowel de beschrijvende als de toetsende statistische analyses zijn nieuwe coderingen voor verschillende variabelen opgesteld, zie bijlage VI. Om te controleren of de data normaal verdeeld zijn, zijn van de variabelen histogrammen gemaakt. De variabelen werden eerst
beschrijvend en vervolgens toetsend geanalyseerd. Het verschil tussen de werkelijke waarde en de geschatte Meet & Weet waarde werd als klinisch relevant gezien als het verschil groter dan 20% is. Daarnaast werden resultaten gezien als statistisch significant als de p-waarde ≤ 0.05 is.
Voor deelvraag één zijn per maaltijdmoment en per dag de mediaan en de interkwartielafstand, vanaf nu IQR genoemd, van de werkelijke energie- en eiwitinname en van de geschatte Meet & Weet energie- en eiwitinname berekend. Er is gekozen voor de mediaan en de IQR in plaats van het gemiddelde en de SD, omdat de variabelen scheef zijn verdeeld.
Om deelvraag twee statistisch te analyseren, is het verschil tussen de werkelijke waarde en de Meet & Weet waarde berekend door de werkelijke energie- en eiwitinname van de geschatte energie- en eiwitinname af te trekken. Als de werkelijke waarde hoger was dan de geschatte Meet & Weet waarde, dus een onderschatting met de Meet & Weet schattingsmethode aangaf, dan werd het
betekent dat de respondent niks had gegeten of dat de intake precies goed werd geschat. Tijdens het analyseren bleek dat het zelden voorkwam dat er een precieze schatting was en dat het bijna altijd betekende dat er niks was gegeten op dat moment. Daarom is door de onderzoekers gekozen om deze waardes uit te sluiten van de analyses. Deze waardes zijn geëxcludeerd van de analyses door een codering op te stellen voor de categorieën overschat, onderschat of niks gegeten. Deze coderingen zijn te vinden in bijlage VI. Nadat de splitsing was gemaakt tussen de negatieve getallen, de positieve getallen en de nul uitkomst konden per over- of onderschatting berekeningen worden uitgevoerd. De mediaan, de IQR en het percentage van het verschil van de energie- en eiwitinname per maaltijd en per dag werden berekend. Om de significantie van het verschil tussen werkelijke waarde en de geschatte Meet & Weet waarde te achterhalen is gekozen voor de Wilcoxon signed-rank test. Door de onderzoekers van huidig onderzoek is voor deze test gekozen, omdat de variabelen afhankelijk van elkaar zijn en scheef zijn verdeeld (12). Om visueel te illustreren wat de verdeling en de overeenkomsten van het gemiddelde van de werkelijke waarde en de geschatte Meet & Weet waarde en het verschil tussen de werkelijke waarde en de geschatte Meet & Weet waarde is, zijn na de Wilcoxon signed-rank test de Bland-Altman plots gemaakt.
Om deelvraag drie te beantwoorden zijn de sensitiviteit en de specificiteit van de Meet & Weet schattingsmethode berekend. Om deze te berekenen zijn de Meet & Weet innamecategorieën eerst in twee categorieën gesplitst: de slechte en matige inname samen tegenover de voldoende inname. Als afkappunten zijn 1950 kcal (15 x 130 kcal) en 75 gram eiwit (15 x 5 gram eiwit) gehanteerd. Er is gekozen voor het getal 15 omdat 15 Meet & Weet punten het hoogste afkappunt is van de Meet & Weet innamecategorie ‘matige inname’. Vanaf 16 Meet & Weet punten en hoger valt de inname in de ‘voldoende inname’-categorie. In SPSS is geteld wat de terecht positieven, terecht negatieven, foutpositieven en foutnegatieven zijn. Een voorbeeld: Om de terechte positieven te berekenen zijn de
M&W ‘slechte en matige categorieën in SPSS geselecteerd en is de ‘voldoende inname’-categorie niet geselecteerd. Vanaf de waarde 1950 kcal is geteld hoe vaak het voorkwam dat de werkelijke energie-inname lager was dan 1950 kcal. Hierna zijn op dezelfde manier de terecht
negatieven, foutpositieven en foutnegatieven geteld. Aan de hand van deze getallen zijn bijbehorende formules gebruikt om de sensitiviteit, specificiteit, positief verwachte waarde en negatief verwachte waarde te berekenen.
Na deze berekeningen zijn de Meet & Weet innamecategorieën in twee nieuwe categorieën
gesplitst: de slechte inname tegenover de matige en voldoende inname samen. Als afkappunten zijn 1170 kcal (9 x 130 kcal) en 45 gram eiwit (9 x 5 gram eiwit) gehanteerd. Er is gekozen voor het getal 9 omdat 9 Meet & Weet punten het hoogste afkappunt is van de innamecategorieën ‘slechte inname’. Vanaf 10 Meet & Weet punten en hoger valt de inname in de ‘matige inname’-categorie. Op dezelfde manier als hierboven staat omschreven zijn de terecht positieven, terecht negatieven, foutpositieven en foutnegatieven geteld en daarna de sensitiviteit, specificiteit, positief verwachte waarde en negatief verwachte waarde berekend.
Voor het beantwoorden van deelvraag vier is geen gebruik gemaakt van SPSS, maar zijn de antwoorden van de bovenstaande deelvragen geanalyseerd en doorgeredeneerd op product- en categorieniveau. Het focuspunt lag op de verdeling en de afwijking van de geschatte Meet & Weet punten ten aanzien van de werkelijke waarde. Tijdens het registreren van de Meet & Weet punten werd ondervonden dat veel producten of maaltijden niet in de Meet & Weet productcategorieën te plaatsen waren. Dit zorgde ervoor dat het onduidelijk was hoeveel Meet & Weet punten
geregistreerd moesten worden voor deze maaltijden. Daarom is er een extern bestand gemaakt met deze afwijkende producten en maaltijden. Hierin is door de onderzoekers unaniem besloten hoeveel Meet & Weet punten deze producten en maaltijden toegekend moesten krijgen, om afwijking in de dataverwerking tijdens dit onderzoek te verminderen. Dit bestand is in bijlage VII te vinden.
Vervolgens werd aan de hand van de dagtotalen van het verschil tussen de werkelijke waarde en de geschatte Meet & Weet waarde van de energie- en eiwitinname geanalyseerd welke 6 respondenten de grootste uitschieters hadden van de over-of onderschattingen. Bij deze respondenten werd per maaltijdmoment geanalyseerd wat zij hadden gegeten, het aantal Meet & Weet punten dat zij hadden ontvangen, of er afwijkende producten waren genuttigd, of er verschillen waren in de geschatte punten vergeleken met de Meet & Weet productcategorieën en wat opviel aan al deze resultaten samen. Het bestand in bijlage VII met de afwijkende producten van de Meet & Weet productcategorieën samen met het bestand met de grootste uitschieters van de energie- en
eiwitinname (bijlage VIII) schetst een beeld van wat de belangrijkste factoren zijn die van invloed zijn op de schattingsfouten.
3. Resultaten
In dit hoofdstuk staan de belangrijkste uitkomsten van het onderzoek beschreven. 3.1 Demografische kenmerken van de onderzoekspopulatie
Het onderzoek is uitgevoerd onder 141 respondenten. In tabel 1 staan het geslacht, de leeftijd, de BMI en de SNAQ-score schematisch verwerkt. Van de onderzoekspopulatie was 62% man (n=87) en 38% was vrouw (n=53), daarnaast was van één respondent het geslacht onbekend. De leeftijd van de respondenten ligt tussen de 18 en 96 jaar, met een gemiddelde van 61 ± 16 jaar, van één respondent was de leeftijd onbekend. De respondenten lagen op 13 verschillende afdelingen, de meeste
respondenten (N=25) lagen op hematologie en de minste respondenten (N=4) op traumachirurgie, zie bijlage VI. Bij opname in het ziekenhuis waren bij 119 respondenten de SNAQ-scores afgenomen waarbij 20% van de respondenten een SNAQ-score van 3 of hoger had, wat ondervoeding indiceert.
Tabel 1. Baseline karakteristieken onderzoekspopulatie. Karakteristieken N=A Gegevens Geslacht Vrouw Man 53 87 38% 62% Leeftijd, jaar 140 62 ± 16B BMI, kg/m2 134 25,5 ± 5,1B SNAQ totaal SNAQ 0-2 SNAQ 3-7 119 95 24 80% 20% A: N totaal = 141
B: gegevens als gemiddelde ± SD 3.2 Validatie
Wat is het verschil tussen de werkelijke energie- en eiwitinname en de geschatte Meet & Weet energie- en eiwitinname per maaltijdmoment en per dag?
De werkelijke energie- en eiwitinname en de geschatte Meet & Weet energie- en eiwitinname per maaltijdmoment en per dag zijn weergegeven in tabel 2 en tabel 3. In deze tabellen staan de mediaan en de IQR van de maaltijdmomenten omschreven. Daarnaast is in tabel 2 en tabel 3 weergegeven dat er geen significante verschillen zijn tussen de werkelijke energie-inname en de geschatte Meet & Weet energie-inname, behalve bij de warme maaltijd (p=.000). Er zijn wel significante verschillen gevonden tussen de werkelijke eiwitinname en de geschatte Meet & Weet eiwitinname bij het tussendoortje in de ochtend (p=.003) en bij de warme maaltijd (p=.004). Zowel bij de totale energie-innameschatting als bij de totale eiwitinnameschatting is geen significant verschil waargenomen.
Tabel 2. Werkelijke energie-inname en geschatte Meet en Weet energie-inname per maaltijdmoment en totaal dag (kcal): mediaan, interkwartielafstand en p-waarde.
Werkelijke energie (kcal) Geschatte M&W-energie (kcal) p-waarde*
Maaltijd-moment N= Mediaan (IQR) N= Mediaan (IQR)
Ontbijt 121 400 (260;567) 121 390 (260;520) .159 T1 63 181 (131;269) 63 130 (130;260) .053 Lunch 113 441 (310;571) 113 520 (260;650) .224 T2 44 209(132;292) 44 130 (130;260) .095 Warme maaltijd 123 413(268;564) 123 390 (260;780) .000 T3 22 171(100;256) 22 130 (130;260) .808 Totaal 138 1386 (1025;1800) 138 1300 (910;1820) .098
*Aan de hand van de Wilcoxon test
Tabel 3. Werkelijke eiwitinname en geschatte Meet en Weet eiwitinname per maaltijdmoment en totaal dag (g): mediaan, interkwartielafstand en p-waarde.
Werkelijke eiwit (g) Geschatte M&W-eiwit (g)
p-waarde*
Maaltijd-moment N= Mediaan (IQR) N= Mediaan (IQR)
Ontbijt 121 14,9 (9,4;21,9) 121 15,0 (10,0;20,0) .755 T1 63 7,4 (5,3;12,6) 63 5,0 (5,0;10,0) .003 Lunch 113 17,5 (11,8;23,9) 113 20,0 (10,0;25,0) .416 T2 44 5,7 (4,8;11,8) 44 5,0 (5,0;10,0) .265 Warme maaltijd 123 17,0 (11,7; 23,0) 123 15,0 (10,0;30,0) .004 T3 22 6,7(5,0;12,1) 22 5,0 (5,0;10,0) .094 Totaal 138 52,9 (36,1;72,4) 138 50,0 (35,0;70,0) .119
*Aan de hand van de Wilcoxon test
Van tevoren is bepaald dat een afwijking tussen de werkelijke waarde en de geschatte Meet & Weet waarde die groter is dan 20% van klinische relevantie is. De tabel die is toegevoegd in bijlage IX, laat zien dat het verschil in percentage tussen de mediaan van de werkelijke waarde energie en de mediaan van de geschatte Meet & Weet energie bij alle drie de tussendoortjes >20% was. De energie-inname van de tussendoortjes in de ochtend werd met 28% onderschat, in de middag met 38% onderschat en in de avond met 24% onderschat. Daarnaast was het verschil in percentage tussen de mediane werkelijke eiwitinname en de mediane geschatte Meet & Weet eiwitinname bij het tussendoortje in de ochtend en in de avond >20%. De eiwitinname van de tussendoortjes in de ochtend werd met 32% onderschat en in de avond met 25% onderschat.
Bij welke maaltijdmomenten is het verschil tussen de werkelijke energie- en eiwitinname en de geschatte Meet & Weet energie- en eiwitinname het grootst?
Totaal van de dag
Figuur 1. Bland-Altman plot: correlatie gemiddelde energie-inname (A) en eiwitinname (B) en verschil in energie-inname (A) en eiwitinname (B) tussen werkelijke waarde en Meet & Weet waarde (N=141).
De Bland-Altman plots zijn uitgedrukt in <20% over- of onderschat, >20% onderschat en >20% overschat door de Meet & Weet schattingsmethode. In figuur 1A is een Bland-Altman plot
weergegeven van de correlatie van de gemiddelde totale inname en het verschil in energie-inname tussen werkelijke waarde en Meet & Weet waarde. Van deze schattingen was 18% met meer dan 20% onderschat en was 14% met meer dan 20% overschat. De totale energie-inname had een bias van -25 ± 291 kcal. De limits of agreement laten zien dat 95% van de waarnemingen binnen de 546 kcal plus en 596 kcal min de werkelijke waarde lag.
In figuur 1B is een Bland-Altman plot weergegeven van de correlatie van de gemiddelde totale eiwitinname en het verschil in eiwitinname tussen werkelijke waarde en Meet & Weet waarde. Van de schattingen was 18% met meer dan 20% onderschat en was 13% met meer dan 20% overschat. De totale eiwitinname had een bias van -2,3 ± 13,8 gram eiwit. De limits of agreement laten zien dat 95% van de waarnemingen binnen de 24,7 gram eiwit plus en 29,2 gram eiwit min de werkelijke waarde lag.
Ontbijt
Figuur 2. Bland-Altman plot: correlatie gemiddelde energie-inname (A) en eiwitinname (B) en verschil in energie-inname (A) en eiwitinname (B) tussen werkelijke waarde en Meet & Weet waarde ontbijt (N=141).
In figuur 2A is een Bland-Altman plot weergegeven van de correlatie van de gemiddelde energie-inname en het verschil in energie-energie-inname tussen werkelijke waarde en Meet & Weet waarde van het ontbijt. Van de schattingen was 38% met meer dan 20% onderschat en was 20% met meer dan 20% overschat. De energie-inname van het ontbijt had een bias van -24 ± 118 kcal. De limits of
In figuur 2B is een Bland-Altman plot weergegeven van de correlatie van de gemiddelde eiwitinname en het verschil in eiwitinname tussen werkelijke waarde en Meet & Weet waarde van het ontbijt. Van de schattingen was 33% met meer dan 20% onderschat en was 26% met meer dan 20% overschat. De eiwitinname van het ontbijt had een bias van -0,5 ± 4,8 gram eiwit. De limits of
agreement laten zien dat 95% van de waarnemingen binnen de 8,9 gram eiwit plus en 9,8 gram eiwit min de werkelijke waarde lag.
Lunch
Figuur 3. Bland-Altman plot: correlatie gemiddelde energie-inname (A) en eiwitinname (B) en verschil in energie-inname (A) en eiwitinname (B) tussen werkelijke waarde en Meet & Weet waarde lunch (N=141).
In figuur 3A is een Bland-Altman plot weergegeven van de correlatie van de gemiddelde energie-inname en het verschil in energie-energie-inname tussen werkelijke waarde en Meet & Weet waarde van de lunch. Van de schattingen was 39% met meer dan 20% onderschat en was 26% met meer dan 20% overschat. De energie-inname van de lunch had een bias van 2 ± 151 kcal. De limits of agreement laten zien dat 95% van de waarnemingen binnen de 299 kcal plus en 295 kcal min de werkelijke waarde lag.
In figuur 3B is een Bland-Altman plot weergegeven van de correlatie van de gemiddelde eiwitinname en het verschil in eiwitinname tussen werkelijke waarde en Meet & Weet waarde van de lunch. Van de schattingen was 36% met meer dan 20% onderschat en was 22% met meer dan 20% overschat. De eiwitinname van de lunch had een bias van -0,3 ± 6,1 gram eiwit. De limits of agreement laten zien dat 95% van de waarnemingen binnen de 11,7 gram eiwit plus en 12,2 gram eiwit min de werkelijke waarde lag.
Warme maaltijd
Figuur 4. Bland-Altman plot: correlatie gemiddelde energie-inname (A) en eiwitinname (B) en verschil in energie-inname (A) en eiwitinname (B) tussen werkelijke waarde en Meet & Weet waarde warme maaltijd (N=141).
In figuur 4A is een Bland-Altman plot weergegeven van de correlatie van de gemiddelde energie-inname en het verschil in energie-energie-inname tussen werkelijke waarde en Meet & Weet waarde van de warme maaltijd. Van de schattingen was 25% met meer dan 20% onderschat en was 41% met meer dan 20% overschat. De energie-inname van de warme maaltijd had een bias van 63 ± 171 kcal. De
In figuur 4B is een Bland-Altman plot weergegeven van de correlatie van de gemiddelde eiwitinname en het verschil in eiwitinname tussen werkelijke waarde en Meet & Weet waarde van de warme maaltijd. Van de schattingen was 33% met meer dan 20% onderschat en was 38% met meer dan 20% overschat. De eiwitinname van de warme maaltijd had een bias van 0,9 ± 9,5 gram eiwit. De limits of agreement laten zien dat 95% van de waarnemingen binnen de 19,6 gram eiwit plus en 17,8 gram eiwit min de werkelijke waarde lag.
Tussendoortje één
Figuur 5. Bland-Altman plot: correlatie gemiddelde energie-inname (A) en eiwitinname (B) en verschil in energie-inname (A) en eiwitinname (B) tussen werkelijke waarde en Meet & Weet waarde tussendoortje 1 (N=141).
In figuur 5A is een Bland-Altman plot weergegeven van de correlatie van de gemiddelde energie-inname en het verschil in energie-energie-inname tussen werkelijke waarde en Meet & Weet waarde van het eerste tussendoortje. Van de schattingen was 69% met meer dan 20% onderschat en was 11% met meer dan 20% overschat. De energie-inname van tussendoortje één had een bias van -27 ± 68 kcal. De limits of agreement laten zien dat 95% van de waarnemingen binnen de 107 kcal plus en 160 kcal min de werkelijke waarde lag.
In figuur 5B is een Bland-Altman plot weergegeven van de correlatie van de gemiddelde eiwitinname en het verschil in eiwitinname tussen werkelijke waarde en Meet & Weet waarde van het eerste tussendoortje. Van de schattingen was 82% met meer dan 20% onderschat en was 9% met meer dan 20% overschat. De eiwitinname van tussendoortje één had een bias van -1,0 ± 3,0 gram eiwit. De limits of agreement laten zien dat 95% van de waarnemingen binnen de 4,9 gram eiwit plus en 6,9 gram eiwit min de werkelijke waarde lag.
Tussendoortje twee
Figuur 6. Bland-Altman plot: correlatie gemiddelde energie-inname (A) en eiwitinname (B) en verschil in energie-inname (A) en eiwitinname (B) tussen werkelijke waarde en Meet & Weet waarde tussendoortje 2 (N=141).
In figuur 6A is een Bland-Altman plot weergegeven van de correlatie van de gemiddelde energie-inname en het verschil in energie-energie-inname tussen werkelijke waarde en Meet & Weet waarde van het tweede tussendoortje. Van de schattingen was 78% met meer dan 20% onderschat en was 9% met meer dan 20% overschat. De energie-inname van tussendoortje twee had een bias van -34 ± 68 kcal.
In figuur 6B is een Bland-Altman plot weergegeven van de correlatie van de gemiddelde eiwitinname en het verschil in eiwitinname tussen werkelijke waarde en Meet & Weet waarde van het tweede tussendoortje. Van de schattingen was 78% met meer dan 20% onderschat en was 9% met meer dan 20% overschat. De eiwitinname van tussendoortje twee had een bias van -1,1 ± 4,1 gram eiwit. De limits of agreement laten zien dat 95% van de waarnemingen binnen de 6,9 gram eiwit plus en 9,2 gram eiwit min de werkelijke waarde lag.
Tussendoortje drie
Figuur 7. Bland-Altman plot: correlatie gemiddelde energie-inname (A) en eiwitinname (B) en verschil in energie-inname (A) en eiwitinname (B) tussen werkelijke waarde en Meet & Weet waarde tussendoortje 3 (N=141).
In figuur 7A is een Bland-Altman plot weergegeven van de correlatie van de gemiddelde energie-inname en het verschil in energie-energie-inname tussen werkelijke waarde en Meet & Weet waarde van het derde tussendoortje. Van de schattingen was 87% met meer dan 20% onderschat en was 6% met meer dan 20% overschat. De energie-inname van tussendoortje drie had een bias van -5,9 ± 58 kcal. De limits of agreement laten zien dat 95% van de waarnemingen binnen de 107 kcal plus en 119 kcal min de werkelijke waarde lag.
In figuur 7B is een Bland-Altman plot weergegeven van de correlatie van de gemiddelde eiwitinname en het verschil in eiwitinname tussen werkelijke waarde en Meet & Weet waarde van het derde tussendoortje. Van de schattingen was 88% met meer dan 20% overschat en was 1% met meer dan 20% overschat. De eiwitinname van tussendoortje drie had een bias van -0,3 ± 2,5 gram eiwit. De limits of agreement laten zien dat 95% van de waarnemingen binnen de 4,7 gram eiwit plus en 5,3 gram eiwit min de werkelijke waarde lag.
Hoe valide is de Meet & Weet schattingsmethode en hoe valide zijn de Meet & Weet
innamecategorieën ‘slecht, matig en voldoende’ voor het inschatten van de voedingstoestand?
In tabel 4 is de validatie van de Meet & Weet schattingsmethode weergeven in de categorieën slechte en matige inname tegenover voldoende inname. Bij de Meet & Weet schattingsmethode was de schatting van de energie- en eiwitinname voor zowel de sensitiviteit als de specificiteit 73% en hoger.
Tabel 4. Validatie van de Meet & Weet schattingsmethode bij de categorieën slecht en matige inname tegenover voldoende inname van energie (kcal) en eiwit (g).
Energie (kcal) Eiwit (g)
WW*
slecht/matig WW* voldoende slecht/matig WW* WW* voldoende M&W-uitslag slecht/matig 110 6 105 5 M&W-uitslag voldoende 7 17 11 19 M&W-energie (%) M&W-eiwit (%) Sensitiviteit 94 91 Specificiteit 73 79 Positief verwachte waarde 95 95 Negatief verwachte waarde 71 63 *WW= werkelijke waarde
In tabel 5 is de validatie van de Meet & Weet schattingsmethode weergegeven in de categorieën slechte inname tegenover matige en voldoende inname. Bij de Meet & Weet schattingsmethode was de schatting van de energie- en eiwitinname voor zowel de sensitiviteit als de specificiteit 83% en hoger.
Tabel 5. Validatie van de Meet & Weet schattingsmethode bij de categorieën slechte inname tegenover matige en voldoende inname van energie (kcal) en eiwit (g).
Energie Eiwit
WW*
uitslag slecht WW* uitslag matig/ voldoende uitslag slecht WW* uitslag matig/ WW* voldoende M&W-uitslag slecht 47 15 48 14 M&W-uitslag matig/voldoende 5 73 6 72 M&W-energie (%) M&W-eiwit (%) Sensitiviteit 90 89 Specificiteit 83 84 Positief verwachte waarde 76 77 Negatief verwachte waarde 94 92 *WW= werkelijke waarde 3.3 Toepasbaarheid
Hoe ontstaat er een verschil tussen de werkelijke totale inname van energie en eiwit en de totaal geschatte hoeveelheid energie en eiwit met de Meet & Weet schattingsmethode per dag?
In bijlage VII is te zien voor welke producten niet is vastgelegd hoeveel Meet & Weet punten toegekend moeten worden, maar welke wel genuttigd werden door de respondenten. Aan deze producten zijn door de onderzoekers wel Meet & Weet punten toegekend. In bijlage VIII zijn de grootste uitschieters van de energie- en eiwit per dag aangegeven. Opvallend is dat de over-of onderschatte respondenten veel producten nuttigden die niet tot de Meet & Weet
productcategorieën behoren (bijlage VII). Zo viel op dat in veel producten er een hoog percentage koolhydraten aanwezig was en een laag percentage eiwit. In sommige zoete tussendoortjes zat bijvoorbeeld maar 1 gram eiwit. Een paar producten waren energie- of eiwit verrijkte producten die vielen in de ‘overige’-categorie. Deze producten kregen maar 1 punt toegekend, terwijl deze rond de 10 gram eiwit bevatten.
Uit de analyse op product- en categorie niveau van de grootste uitschieters van de schattingen kwam naar voren dat de afwijkende producten van de Meet & Weet productcategorieën niet overeenkomen met de werkelijke energie- en eiwitinname. Dit waren voornamelijk producten zoals een croissant (met of zonder zoet beleg), dubbel hartig beleg op brood, bouwsteentjes, verrijkte sappen en pappen, maaltijdsalades (of magere warme maaltijden) en pannenkoeken. Daarnaast is uit de analyse in bijlage VIII te halen dat de producten die bij de warme maaltijden werden genuttigd vaak afwijken van de Meet & Weet productcategorie voor de warme maaltijd. Deze producten zorgden ervoor dat het toekennen van de Meet & Weet punten bij de warme maaltijd vaak lastig was. Daarom kwam de geschatte Meet & Weet waarde voor de warme maaltijd vaak niet overeen met de werkelijke waarde.
4. Discussie
4.1 Belangrijkste resultaten en vergelijking met relevante literatuur
Het doel van dit onderzoek was om de validiteit en de toepasbaarheid van de Meet & Weet schattingsmethode te bepalen. Met deze methode kan aan de hand van Meet & Weet punten per maaltijdmoment op een gemakkelijke manier de voedingsinname van de patiënten worden geschat. De belangrijkste bevinding van dit onderzoek is dat het totale verschil tussen de werkelijke waarde en de geschatte Meet & Weet waarde per dag lager dan 20% is, namelijk bij totale energie (6,2%) en bij totale eiwit (5,5%). Daarnaast is er geen significant verschil (energie p=.098 en eiwit p=.119) tussen de totale werkelijke energie-inname en eiwitinname en de totale geschatte Meet & Weet energie- en eiwitinname. De Meet & Weet schattingsmethode lijkt een valide methode te zijn. Maaltijdmomenten
Van tevoren is bepaald dat een verschil van meer dan 20% tussen de werkelijke waarde en de geschatte waarde klinisch relevant is. Uit dit onderzoek blijkt dat bij zowel de energie-inname als bij de eiwitinname het tussendoortje in de ochtend en het tussendoortje in de avond meer dan 20% een onderschatte afwijking heeft. Het tussendoortje in de middag heeft enkel bij de energie-inname een onderschatte afwijking van meer dan 20%. Dit is mogelijk te verklaren doordat de frequentie van de geconsumeerde tussendoortjes aanzienlijk lager is dan de frequentie van de hoofdmaaltijden. Op het moment dat er bij een lage frequentie een over- of onderschatting plaatsvindt, zorgt dit voor een groter verschil in percentage van de werkelijke waarde, dit zijn klinisch relevante verschillen. Een andere opvallende bevinding is dat er bij de warme maaltijd een significant verschil is bij zowel de energie-inname (p=.000) als bij de eiwitinname (p=.004). Er zijn verschillende verklaringen hiervoor. De Meet & Weet punten voor de warme maaltijd worden toegekend aan de hand van de geconsumeerde hoeveelheid op het bord (een kwart, een halve of een hele portie) (11). Echter, de patiënten in het ziekenhuis kunnen de maaltijden en portiegroottes kiezen aan de hand van drie componenten: het eiwit-component, het groente-component en het koolhydraat-component. Zo kwam het tijdens het analyseren voor dat sommige patiënten bepaalde componenten niet kozen of drie porties van één component kozen. Dit heeft veel invloed op de verhouding energie en eiwitten van de maaltijd en daardoor is het toekennen van de Meet & Weet punten erg lastig. De studie van Bjornsdottir, et al. heeft de validiteit onderzocht van schattingsmethodes. Deze methodes
ontwikkelden categorieën voor de verschillende maaltijdcomponenten (8). Per maaltijdcomponent kon door de patiënt gekozen worden tussen 25%, 50%, 75% of 100%. Het nadeel van de
schattingsmethode van het Landspitali Nation University Ziekenhuis in Reykjavik is dat de energie- en eiwitwaardes van de maaltijd waren gebaseerd op een standaard dagmenu, welke vooraf bepaald was. Het voordeel van de Meet & Weet schattingsmethode is dat deze toepasbaar is in ziekenhuizen waar patiënten zelf de maaltijden samenstellen. Het toekennen van de punten bij de maaltijden en het rekening houden met standaard dagmenu’s, zoals in de studie van Bjornsdottir, et al. bij gerechten zoals pasta’s, wokken en salades, zou eventueel gecombineerd kunnen worden door de Meet & Weet punten voor de warme maaltijd aan te passen aan het type gerecht of component (8). Eventueel zou dit het significante schattingsverschil met de Meet & Weet schattingsmethode bij warme maaltijden kunnen oplossen.
middag en 45 patiënten een tussendoortje consumeerden in de avond. Uit de studie van Mortensen, et al. blijkt dat een hoge energie- en eiwitinname bij tussendoortjes de voedingstoestand aanzienlijk verbetert en ervoor zorgt dat de patiënt zijn dagelijkse energie- en eiwitbehoefte behaalt (13). Uit huidig onderzoek blijkt dat de respondenten die voornamelijk geen of eiwitarme tussendoortjes eten in de ‘slechte inname’-categorie vallen. Dit resultaat komt dus overeen met de verwachting dat respondenten die tussendoortjes met weinig of geen eiwit consumeren in de ‘slechte inname’-categorie vallen omdat de eiwitinname van de dag lager is.
Puntenverdeling
Uit eerdere onderzoeken van Dekker, et al. en Berrut, et al. werd geconcludeerd dat voor de
validiteit van de Meet & Weet schattingsmethode de puntenverdeling veranderd moest worden (11, 14). De puntaanpassing was naar aanleiding van het onderzoek van Berrut, et al. uitgevoerd, omdat de melkproducten, voedingssupplementen, pappen en een hoge inname van brood invloed hadden op de validiteit van de Meet & Weet schattingsmethode (14). Na de puntenaanpassing was het verschil tussen de werkelijke inname en de geschatte Meet & Weet inname binnen de 20% afwijkingsmarge. Zo werd geconcludeerd dat, met de nieuwe puntenverdeling, de Meet & Weet schattingsmethode een valide methode is om een grove schatting te maken van de energie- en eiwitinname van de patiënt (11). De nieuwe puntenverdeling van de Meet & Weet methode is gebruikt bij dit onderzoek. Bij het toekennen van de punten, is opgevallen dat de producten die niet in een Meet & Weet productcategorie vallen (zie bijlage VII) zorgen voor een afwijking in de
geschatte Meet & Weet waarde. Het effect van deze afwijkingen per maaltijdmoment blijkt niet zo groot te zijn op de totale schatting met de Meet & Weet schattingsmethode aangezien het totaal van de energie- en eiwitinname valide blijkt te zijn. Aan deze afwijkende Meet & Weet producten moeten wel Meet & Weet punten toegekend worden. Dit zou op twee manieren uitgevoerd kunnen worden. Er zouden nieuwe (sub)categorieën gemaakt kunnen worden voor de afwijkende
producten. Een andere oplossing zou kunnen zijn dat de afwijkende producten worden verwerkt in de bestaande Meet & weet productcategorieën.
Toepasbaarheid
Om de Meet & Weet schattingsmethode toepasbaar te maken in de praktijk is het van groot belang dat de drie verschillende innamecategorieën (slechte, matige of voldoende voedingsinname), gemaakt voor de voedingsinname van de patiënt met bijbehorende acties, valide zijn. Dit wordt, net als in het onderzoek van Dekker, et al. als belangrijkste uitgangspunt van het onderzoek beschouwd (11). De innamecategorieën zijn de richtlijn voor het signaleren van een slechte of matige
voedingsinname. Als deze slechte of matige voedingsinnames zijn gesignaleerd is het belangrijk dat de bijbehorende acties ondernomen worden. Uit huidig onderzoek blijkt dat de sensitiviteit en specificiteit van de Meet & Weet schattingsmethode en de innamecategorieën hoog is. Dit betekent, ondanks de grote spreiding, dat het grootste deel van de ‘slechte inname’-patiënten goed wordt herkend. Dit betekent ook dat de afkappunten van de verschillende categorieën, zoals het bij 9 punten of minder per dag betekent dat er een slechte voedingsinname is, goed verdeeld zijn en een betrouwbare schatting geven van de totale energie- en eiwitinname. De acties die voortvloeien uit deze categorieën zijn toepasbaar in de praktijk wanneer de Meet & Weet schattingsmethode gehanteerd wordt op aaneengesloten dagen, zoals staat omschreven in bijlage I.
De innamecategorieën zijn niet de enige manier voor de beoordeling van de toepasbaarheid van de methode. Hoe de geschatte Meet & Weet punten worden geregistreerd, bijvoorbeeld met de app EiFit welke hiervoor wordt ontwikkeld, heeft ook veel invloed op de toepasbaarheid (15). Als de schattingen anders worden uitgevoerd, dan kunnen de patiënten volgens de Meet & Weet schattingsmethode in een andere innamecategorie vallen en niet de bijpassende hulp krijgen die nodig is. Dit kan de betrouwbaarheid van de Meet & Weet schattingsmethode beïnvloeden.
4.2 Sterke en zwakke punten van dit onderzoek
Een zwakker punt van dit onderzoek is dat de verzameling van de data en het toekennen van de Meet & Weet punten is uitgevoerd door (student)onderzoekers, waar in de praktijk de
voedingsassistent dit doet. De vraag is of de betrouwbaarheid van deze schattingsmethode
gehandhaafd kan worden als de voedingsassistenten de methode toepassen. Literatuur laat zien dat het monitoren en rapporteren van ondervoeding volgens de opgestelde richtlijnen zelden wordt uitgevoerd. Dit komt mogelijk door een te kort aan personeel, tijd en training (16). De uitvoering en het toekennen van de punten zal mogelijk in de praktijk beïnvloed worden door deze factoren. Tevens zijn de metingen per patiënt van één dag verzameld, terwijl in de praktijk de monitoring van de voedingsinname over meerdere aaneengesloten dagen moet worden gedaan. Dit betekent dat dit onderzoek niet alle stappen van de Meet & Weet schattingsmethode volledig heeft afgewerkt. Na twee dagen monitoren van de voedingsinname kan worden achterhaald welke acties
ondernomen moeten worden in de praktijk. De Meet & Weet schattingsmethode wordt op dit moment nog niet in ziekenhuizen in Nederland toegepast. Het is nog niet onderzocht hoe de uitvoering van de Meet & Weet schattingsmethode over meerdere dagen verloopt in ziekenhuizen bij grote groepen patiënten. Daarnaast is nog niet onderzocht hoe tijdintensief deze methode in de praktijk is, dit heeft wellicht invloed op de toepasbaarheid van de Meet & Weet schattingsmethode. Overigens wordt voor het gebruik van de Meet & Weet schattingsmethode een app voor Android ontwikkeld genaamd ‘Eifit’ (15). Tijdens dit onderzoek is de app nog in ontwikkeling en daarom is niet gekeken naar het gebruikersgemak van de app en of dit de manier van schatten mogelijk beïnvloedt.
Wat verder een zwakker punt van dit onderzoek is, is dat de respondenten meerdere producten hebben geconsumeerd die niet in de Meet & Weet productcategorieën vallen. De onderzoekers hebben gedurende het toekennen een bestand gemaakt van deze producten met de bijbehorende punten (zie bijlage VII), maar de rechtlijnigheid van het toekennen van de Meet & Weet punten zal niet helemaal perfect zijn verlopen. De onderzoekers hebben deze bijbehorende punten zelf toegekend, waarbij het niet zeker is of deze punten representatief zijn voor de Meet & Weet schattingsmethode. Voornamelijk versnaperingen bij de koffie, producten die geen eiwitten bevatten maar wel hoog in energie zijn of energie- en eiwit verrijkte producten zijn door de
onderzoekers in het begin van het onderzoek op verschillende manieren geschat. Na het maken van bijlage VII zijn de respondenten nog een keer doorlopen om zoveel mogelijk eventueel fout
geschatte punten te herstellen. Ondanks dat het bestand in bijlage VII is gemaakt, is het niet zeker dat alle producten hetzelfde zijn geschat. Het schatten van deze afwijkende producten heeft invloed op de betrouwbaarheid van de schattingsmethode. Dit zal ook in de praktijk een risico blijven bij het gebruiken van een schattingsmethode.
Tenslotte is een zwakker punt van dit onderzoek dat door de onderzoekers niet verwacht werd dat de Meet & Weet schattingsmethode de energie- of eiwitinname exact gelijk aan de werkelijke waarde kon schatten. Dit zorgde ervoor dat hier tijdens het statistisch analyseren geen rekening mee gehouden was. Als de energie- of eiwitinname exact gelijk geschat werd aan de werkelijke waarde, dan kwam er uit de verschilformule een verschil van nul kcal of nul gram eiwit. Bij alle andere resultaten waar een verschil van nul uit kwam bleek dat de respondent niks had gegeten en daarom
gegeten of precies goed geschat waren, omdat dit heel vaak voorkwam. Daarom kozen de
onderzoekers ervoor om alle nul waardes te interpreteren als niets gegeten. Dit heeft invloed op de betrouwbaarheid van dit onderzoek, omdat uit huidig onderzoek blijkt dat het wel mogelijk is dat de Meet & Weet schattingsmethode de energie- of eiwitinname perfect schat, ondanks dat deze kans klein is.
Binnen dit onderzoek zijn verschillende sterke punten aantoonbaar. Eén van deze sterke punten is dat de omvang van de steekproef bestaat uit 141 respondenten. Hoe groter de steekproef is hoe groter de nauwkeurigheid van het onderzoek is. Daarnaast hebben binnen dit onderzoek dertien verschillende afdelingen met verschillende ziektebeelden in het ziekenhuis deelgenomen, wat ervoor zorgt dat de steekproef representatief is voor de algemene ziekenhuizen in Nederland. In de aangeleverde dataset was enkel het dagtotaal van energie- en eiwitinname bekend en dit moest uitgesplitst worden in de maaltijdmomenten. Om dit nauwkeurig uit te voeren is gebruik gemaakt van een invulschema wat alle ingevulde waardes bij elkaar optelde. Dit schema
functioneerde als een controle van de berekening van de maaltijdmomenten, zodat het berekende dagtotaal overeenkwam met de aangeleverde dataset. Op deze manier is de betrouwbaarheid van de berekening van de werkelijke innames van de maaltijdenmomenten gewaarborgd.
Een ander sterk punt van dit onderzoek is, dat door het maken van histogrammen is gesignaleerd dat de data scheef verdeeld zijn. Doordat de data scheef verdeeld zijn, moest er gekozen worden voor een alternatieve methode om de data te toetsen, anders dan er voorafgaande aan het
onderzoek was gekozen. Door de scheve verdeling van de data kon de gepaarde t-toets niet gebruikt worden, daarom is gebruikt gemaakt van de Wilcoxon signed-rank test. In de Wilcoxon signed-rank test wordt de mediaan van de variabelen gebruikt, dit zorgt voor een grotere betrouwbaarheid bij scheef verdeelde data.
Tenslotte is een sterk punt van dit onderzoek dat dit onderzoek doorborduurt op een eerder validatieonderzoek van Dekker, et al. van de Meet & Weet schattingsmethode (11). Uit dat onderzoek kwam naar voren dat het Meet & Weet puntensysteem een valide methode is om de energie- en eiwitinname te monitoren voor ziekenhuispatiënten. Echter, dit moest in de praktijk nog bevestigd worden met een grotere steekproef. Dat is met dit onderzoek gedaan.
5. Conclusie
In dit observationeel kwantitatief onderzoek, is de vraag ‘Is de registratie met het Meet & Weet puntensysteem voor een grove schatting van de energie- en eiwitinname valide en toepasbaar in de klinische praktijk?’ onderzocht. Uit de resultaten is gebleken dat, ondanks het feit dat de spreiding van de innames groot is, de Meet & Weet schattingsmethode het overgrote deel van de slecht etende patiënten herkent.
Bij verschillende maaltijdmomenten is een klinisch relevante afwijking van >20% waargenomen. Voornamelijk bij de warme maaltijd en bij de tussendoortjes zijn afwijkingen tussen de werkelijke waarde en de geschatte Meet & Weet waarde te zien, bij zowel energie- als eiwitinname. De productcategorieën van de Meet & Weet schattingsmethode omvatten niet alle geconsumeerde producten. Deze afwijkende producten moeten in de Meet & Weet productcategorieën verwerkt worden, om de nauwkeurigheid van de Meet & Weet schattingsmethode te vergroten.
Uit dit onderzoek kan geconcludeerd worden dat de Meet & Weet schattingsmethode valide is voor een grove schatting van de energie- en eiwitinname per dag. Er is geen significant verschil tussen de werkelijke en de geschatte Meet & Weet energie- en eiwitinname. De sensitiviteit en specificiteit van de Meet & Weet innamecategorieën zijn hoog. De toepasbaarheid vereist in vervolgonderzoek meer aandacht te krijgen.
6. Aanbevelingen
Uit de discussie en de conclusie zijn aanbevelingen ontstaan voor de Meet & Weet
schattingsmethode, voor het werkveld en voor vervolgonderzoek. Deze worden in dit hoofdstuk omschreven en nader toegelicht.
Aanbevelingen voor Meet & Weet schattingsmethode
De Meet & Weet schattingsmethode hanteert productcategorieën om punten toe te kennen aan de geconsumeerde producten. Uit het onderzoek is naar voren gekomen dat er veel verschillende soorten producten worden geconsumeerd die niet in de Meet & Weet productcategorieën te plaatsen zijn. Omdat de betrouwbaarheid en de validiteit van de Meet & Weet schattingsmethode door deze producten beïnvloed wordt, wordt aanbevolen om deze producten mee te nemen in de Meet & Weet productcategorieën. Dit kan op twee manieren uitgevoerd worden, of nieuwe
(sub)categorieën maken voor de afwijkende producten, of de afwijkende producten verwerken in de bestaande categorieën. De verdeling van deze productcategorieën zou in vervolgonderzoek
gevalideerd moeten worden.
Voor het vergroten van de nauwkeurigheid bij het schatten van de warme maaltijd, wordt
aanbevolen om naast de bestaande Meet & Weet productcategorieën die bestaan voor de warme maaltijd, rekening te houden met de losse componenten die besteld kunnen worden. Dit kan eventueel worden uitgevoerd door nieuwe (sub)categorieën toe te voegen aan de bestaande productcategorieën. Hierbij zal rekening gehouden moeten worden met het toekennen van de punten per component. Een voorbeeld is: 6 punten voor een heel gegeten bord warme maaltijd.
Hiervoor geldt: bij 1 eiwit component horen 3 punten, bij 1 koolhydraat component horen 2 punten en bij 1 groente component hoort 1 punt. Als 2 stukken vlees met 1 portie groente gegeten wordt, zou dit 2*3+1=7 punten krijgen. De verdeling van deze punten zou in vervolgonderzoek gevalideerd
moeten worden.
Aanbevelingen voor het werkveld
Tijdens dit onderzoek is naar voren gekomen dat de afwijkende producten in het assortiment invloed hebben op het schatten van de Meet & Weet punten. Om te voorkomen dat deze
afwijkende producten het schatten van de Meet & Weet punten lastig maakt, wordt aanbevolen om, voor het implementeren van de Meet & Weet schattingsmethode in een ziekenhuis, te
inventariseren welke producten in de bijbehorende Meet & Weet productcategorieën vallen. Als de voedingsassistenten weten welke producten bij de Meet & Weet productcategorieën horen, dan vergroot dit de betrouwbaarheid van het schatten van de energie- en eiwitinname.
Om de Meet & Weet methode zo volledig mogelijk te benutten is het van groot belang dat de voedingsassistenten de totale hoeveelheid punten per dag van meerdere opeenvolgende dagen bijhouden. Het wordt daarom aanbevolen dat de dag scores van de patiënten nauwkeurig worden bijgehouden in de EiFit app (15). Als patiënten volgens de Meet & Weet innamecategorieën in de ‘slechte of matige inname’-categorieën vallen, dan is het van groot belang dat de bijbehorende acties, zoals staat omschreven in bijlage I, nauwkeurig worden uitgevoerd. Dit zorgt ervoor dat, indien de patiënt dit nodig heeft, de diëtist tijdig in consult wordt gevraagd.
Aanbevelingen voor vervolgonderzoek
Om de implementatie in de praktijk te versoepelen, wordt aanbevolen om in een kwalitatief vervolgonderzoek te onderzoeken hoe de Meet & Weet methode wordt uitgevoerd door
voedingsassistenten in de klinische praktijk. In dit vervolgonderzoek moet ook gekeken worden naar de intensiviteit van de Meet & Weet schattingsmethode en hoeveel tijd de voedingsassistenten
nodig hebben om de schattingsmethode uit te voeren. Deze factoren samen bepalen uiteindelijk hoe toepasbaar de Meet & Weet schattingsmethode is in de klinische praktijk.
Voor het vervolgonderzoek wordt aanbevolen om de EiFit app, die nu nog in ontwikkeling is, te implementeren in de praktijk. Als alle bovengenoemde factoren samen onderzocht worden, dan leidt dit tot een nauwkeurigere analyse van de toepasbaarheid van de Meet & Weet
schattingsmethode.
Indien de Meet & Weet schattingsmethode in de klinische praktijk valide en toepasbaar blijkt te zijn voor volwassenen, is het mogelijk interessant om te onderzoeken of een soort gelijke
Referenties
1. Kruizenga HM, Beijer S, et al. Richtlijn ondervoeding: herkenning, diagnosestelling en behandeling van ondervoeding bij volwassen. Stuurgroep ondervoeding. 2019.
https://www.stuurgroepondervoeding.nl/wp-content/uploads/2019/02/SoV01-Richtlijn-Ondervoeding-losse-paginas-210x297februari-2019.pdf
2. Kruizenga HM, Van Keeken S, et al. Nederlandse prevalentiemeting ondervoeding in Ziekenhuizen (NPOZ). Stuurgroep ondervoeding. 2015.
http://www.stuurgroepondervoeding.nl/wp-content/uploads/2015/06/factsheet-NPOZ-2015.pdf
3. Stratton R. Elia M. Manual of Dietetic Practice. Fifth Edition. UK: John Wiley and Sons, Ltd; 2014. p. 325-7.
4. Screening: screening op ondervoeding in de kliniek. Stuurgroep ondervoeding. [datum onbekend].
https://www.stuurgroepondervoeding.nl/toolkits/screeningsinstrumenten-kliniek 5. Basisset Medisch Specialistische Zorg Kwaliteitsindicatoren. Inspectie voor de
Gezondheidszorg. Utrecht. 2016. p. 64-5.
http://www.stuurgroepondervoeding.nl/wp-content/uploads/2016/10/20160726-IGZ-Basisset-MSZ-2017-digitale-versie-enkel-v2_tcm294-377263.pdf
6. Kruizenga HM. Nutritional assessment: wat is het en hoe doen we het? NTVD - 2017;72(T) 12-15.
https://nutritionalassessment.nl/wp-content/uploads/2017/09/NTVD-T_2017_OA-Nutritional-Assessment.pdf
7. Nutritional Assessment Platform. Voedsel inname, verbruik en verliezen. [datum onbekend]. https://nutritionalassessment.nl/voedselinname-verbruik-en-verliezen-2/
8. Bjornsdottir R, Oskarsdottir ES, Thordardottir FR, Ramel A, Thorsdottir I, Gunnarsdottir I. Validation of a plate diagram sheet for estimation of energy and protein intake in hospitalized patients. Clin Nutr. 2013;32(5):746-51.
https://www.ncbi.nlm.nih.gov/pubmed/23305605
9. Paulsen MM, Hagen MLL, et al. A Dietary Assesment App for Hospitalized Patients at Nutritional Risk: Development and Evaluation of the MyFood App. JMIR Mhealth Uhealth. 2018;7:6.
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6231855/
10. Uitleg Meet&Weet wat je patiënt/cliënt eet. Stuurgroep ondervoeding. 2015. http://www.stuurgroepondervoeding.nl/wp-content/uploads/2015/02/UItleg-Meet-Weet.pdf
11. Dekker IM, Langius JAE, Stelten S, De Vet HCW, Kruizenga HM, Van Der Schueren MAE. Validity of the “Rate-a-Plate” Method to Estimate Energy and Protein Intake in Acutely Ill, Hospitalized Patients. Nutrition in clinical practice. 2019.
12. Wilcoxon signed rank toets. Amsterdam UMC. 2013.
https://wikistatistiek.amc.nl/index.php/Wilcoxon_signed_rank_toets
13. Stelten S, Dekker M, et al. Protein-enriched ‘regular Products’ and Their Effect on Protein Intake in Acute Hospitalized Older Adults;A Randomizad Controlled Trial. Clin Nutr. 2015;34(3):409-14.
https://pubmed.ncbi.nlm.nih.gov/25179468/
14. Berrut G, Favreau AM, et al. Estimation of Calorie and Protein Intake in Aged Patients: Validation of a Method Based on Meal Portions Consumed. Biol SCI MED SCI.
2002;57(1);M52-6.
https://www.ncbi.nlm.nih.gov/pubmed/11773213 15. EiFit (vroege toegang). Google play. 2020.
16. Khalatbari-Soltani S, Marques-Vidal P. Adherence to Hospital Nutritional Status Monitoring and Reporting Guidelines. PloS One. 2018;21;13(9).
Bijlage I. Score, acties en uitvoering Meet & Weet
Bijlage III. ICF
Proefpersoneninformatie voor deelname aan onderzoekEiwitinname in Amsterdam UMC Geachte heer/mevrouw,
Wij vragen u om uw toestemming voor deelname aan een onderzoek naar de eiwitinname in het Amsterdam UMC. Dit onderzoek wordt uitgevoerd door het Amsterdam UMC. Meedoen is vrijwillig. Om mee te doen is wel uw schriftelijke toestemming nodig. Voordat u beslist of u wilt meedoen aan dit onderzoek, krijgt u uitleg over wat het onderzoek inhoudt. Lees deze informatie rustig door en vraag de onderzoeker uitleg als u vragen heeft.
1. Doel van het onderzoek
Het is belangrijk dat elke patiënt in het Amsterdam UMC genoeg eten aangeboden krijgt en genoeg eet. We werken hard aan een optimaal aanbod van maaltijden en tussendoortjes. In dit onderzoek meten we of patiënten genoeg eiwit eten.
2. Wat meedoen inhoudt
We houden gedurende één dag bij wat u eet en drinkt. We doen dit door te noteren wat de voedingsassistent aan u serveert en wat de voedingsassistent bij u ophaalt (dus wat u niet opeet of drinkt). U hoeft zelf niets te doen of bij te houden. Aan het einde van de dag komt de onderzoeker bij u langs om u te vragen of u nog andere dingen hebt gegeten of gedronken, bijvoorbeeld iets wat uw bezoek heeft meegenomen. Dit gesprek duurt maximaal 5 minuten.
Om uw eiwitbehoefte te kunnen berekenen, en te kunnen bepalen of u genoeg eiwit heeft gegeten hebben we de volgende informatie nodig: uw geslacht, leeftijd, lengte, gewicht en of u een dieet heeft of ondervoed bent. Deze gegevens vragen we na bij u of aan de verpleegkundige. We hoeven hiervoor niet in uw dossier te kijken en deze gegevens worden gecodeerd en vertrouwelijk verwerkt. Het onderzoeksteam bewaart uw gecodeerde gegevens 15 jaar.
3. Als u niet wilt meedoen of wilt stoppen met het onderzoek
U beslist zelf of u meedoet aan het onderzoek. Mocht u besluiten om niet deel te nemen aan het onderzoek of om ermee te stoppen. Dan hoeft u niet te zeggen waarom u niet deelneemt of stop. Wel vragen we u dit melden aan de onderzoeker zodat uw deelname kan worden ingetrokken en de verzamelde gegevens vernietigd worden.
