Risk Factors for COVID-19 Morbidity and Mortality in Institutionalised Elderly People.

BACKGROUND: SARS-CoV-2 has caused a high mortality in institutionalised individuals. There are very few studies on the involvement and the real impact of COVID-19 in nursing homes. This study analysed factors related to morbidity and mortality of COVID-19 in institutionalised elderly people. METHODS: This cohort study included 842 individuals from 12 nursing homes in Sant Cugat del Vallès (Spain) from 15 March to 15 May 2020. We evaluated individual factors (demographic, dependence, clinical, and therapeutic) and those related to the nursing homes (size and staff) associated with infection and mortality by SARS-CoV-2. Infection was diagnosed by molecular biology test. RESULTS: Of the 842 residents included in the analysis, 784 underwent a Polymerase Chain Reaction (PCR) test; 74.2% were women, the mean age was 87.1 years, and 11.1% died. The PCR test was positive in 44%. A total of 33.4% of the residents presented symptoms compatible with COVID-19 and of these, 80.9% were PCR-positive for SARS-CoV-2. Infection by SARS-CoV-2 among residents was associated with the rate of staff infected in the homes. Mortality by SARS-CoV-2 was related to male sex and a greater grade of dependence measured with the Barthel index. CONCLUSIONS: SARS-Cov-2 infection in institutionalised people is associated with the infection rate in nursing home workers and mortality by SARS-Cov-2 with sex and greater dependency according to the Barthel index. Adequate management of nursing home staff and special attention to measures of infection control, especially of individuals with greater dependence, are keys for successful management of future pandemic situations.

The identification, impact and management of missing values and outlier data in nutritional epidemiology

When performing nutritional epidemiology studies, missing values and outliers inevitably appear. Missing values appear, for example, because of the difficulty in collecting data in dietary surveys, leading to a lack of data on the amounts of foods consumed or a poor description of these foods. Inadequate treatment during the data processing stage can create biases and loss of accuracy and, consequently, misinterpretation of the results. The objective of this article is to provide some recommendations about the treatment of missing and outlier data, and orientation regarding existing software for the determination of sample sizes and for performing statistical analysis. Some recommendations about data collection are provided as an important previous step in any nutritional research. We discuss methods used for dealing with missing values, especially the case deletion method, simple imputation and multiple imputation, with indications and examples. Identification, impact on statistical analysis and options available for adequate treatment of outlier values are explained, including some illustrative examples. Finally, the current software that totally or partially addresses the questions treated is mentioned, especially the free software available (AU)

Cuando se realiza un estudio epidemiológico nutricional, es inevitable que aparezcan valores ausentes y atí- picos. Los datos ausentes aparecen, por ejemplo, por la dificultad de recoger los datos en las encuestas dietéticas que conducen a una falta de información sobre la cantidad de alimentos consumidos y una pobre descripción de ellos. Un inadecuado tratamiento durante el proceso de recolección nos conduce a sesgos y pérdida de precisión y consecuentemente una incorrecta interpretación de los resultados. El objetivo de este artículo es proporcionar recomendaciones sobre el tratamiento de datos ausentes y atípicos, y algunas orientaciones sobre el software existente para calcular el tamaño de muestra y realizar el análisis estadístico. También se realizan recomendaciones sobre la recolección de datos que es un paso importante en la investigación nutricional. Se comentan los métodos que se usan para hacer frente a los datos ausentes, específicamente, el método eliminación de casos, imputación simple o múltiple con indicaciones y ejemplos. También se relata cómo se identifican datos atípicos, el impacto que tienen en el análisis estadístico, las opciones para un adecuado tratamiento y se ilustra mediante un ejemplo. Finalmente, se menciona el software existente que aborda total o parcialmente las cuestiones tratadas, específicamente el software de libre distribución (AU)

The identification, impact and management of missing values and outlier data in nutritional epidemiology.

When performing nutritional epidemiology studies, missing values and outliers inevitably appear. Missing values appear, for example, because of the difficulty in collecting data in dietary surveys, leading to a lack of data on the amounts of foods consumed or a poor description of these foods. Inadequate treatment during the data processing stage can create biases and loss of accuracy and, consequently, misinterpretation of the results. The objective of this article is to provide some recommendations about the treatment of missing and outlier data, and orientation regarding existing software for the determination of sample sizes and for performing statistical analysis. Some recommendations about data collection are provided as an important previous step in any nutritional research. We discuss methods used for dealing with missing values, especially the case deletion method, simple imputation and multiple imputation, with indications and examples. Identification, impact on statistical analysis and options available for adequate treatment of outlier values are explained, including some illustrative examples. Finally, the current software that totally or partially addresses the questions treated is mentioned, especially the free software available.

Cuando se realiza un estudio epidemiológico nutricional, es inevitable que aparezcan valores ausentes y atípicos. Los datos ausentes aparecen, por ejemplo, por la dificultad de recoger los datos en las encuestas dietéticas que conducen a una falta de información sobre la cantidad de alimentos consumidos y una pobre descripción de ellos. Un inadecuado tratamiento durante el proceso de recolección nos conduce a sesgos y pérdida de precisión y consecuentemente una incorrecta interpretación de los resultados. El objetivo de este artículo es proporcionar recomendaciones sobre el tratamiento de datos ausentes y atípicos, y algunas orientaciones sobre el software existente para calcular el tamaño de muestra y realizar el análisis estadístico. También se realizan recomendaciones sobre la recolección de datos que es un paso importante en la investigación nutricional. Se comentan los métodos que se usan para hacer frente a los datos ausentes, específicamente, el método eliminación de casos, imputación simple o múltiple con indicaciones y ejemplos. También se relata cómo se identifican datos atípicos, el impacto que tienen en el análisis estadístico, las opciones para un adecuado tratamiento y se ilustra mediante un ejemplo. Finalmente, se menciona el software existente que aborda total o parcialmente las cuestiones tratadas, específicamente el software de libre distribución.

Identificación, impacto y tratamiento de datos perdidos y atípicos en epidemiología nutricional / The identification, impact and management of missing values and outlier data in nutritional epidemiology

Cuando se realiza un estudio epidemiológico nutricional, es inevitable que aparezcan valores perdidos y atípicos. Los datos perdidos aparecen, por ejemplo, por la dificultad de recoger los datos en las encuestas dietéticas que conducen a una falta de información sobre la cantidad de alimentos consumidos y una pobre descripción de ellos. Un inadecuado tratamiento durante el proceso de recolección nos conduce a sesgos y pérdida de precisión y consecuentemente una incorrecta interpretación de los resultados. El objetivo de este artículo es proporcionar recomendaciones sobre el tratamiento de datos perdidos y atípicos, y algunas orientaciones sobre el software existente para calcular el tamaño de muestra y realizar el análisis estadístico. También se realizan recomendaciones sobre la recolección de datos que es un paso importante en la investigación nutricional. Se comentan los métodos que se usan para hacer frente a los datos perdidos, específicamente, el método eliminación de casos, imputación simple o múltiple con indicaciones y ejemplos. También se relata cómo se identifican datos atípicos, el impacto que tienen en el análisis estadístico, las opciones para un adecuado tratamiento y se ilustra mediante un ejemplo. Finalmente, se menciona el software existente que aborda total o parcialmente las cuestiones tratadas, específicamente el software de libre distribución (AU)

When performing nutritional epidemiology studies, missing values and outliers inevitably appear. Missing values appear, for example, because of the difficulty in collecting data in dietary surveys, leading to a lack of data on the amounts of foods consumed or a poor description of these foods. Inadequate treatment during the data processing stage can create biases and loss of accuracy and, consequently, misinterpretation of the results. The objective of this article is to provide some recommendations about the treatment of missing and outlier data, and orientation regarding existing software for the determination of sample sizes and for performing statistical analysis. Some recommendations about data collection are provided as an important previous step in any nutritional research. We discuss methods used for dealing with missing values, especially the case deletion method, simple imputation and multiple imputation, with indications and examples. Identification, impact on statistical analysis and options available for adequate treatment of outlier values are explained, including some illustrative examples. Finally, the current software that totally or partially addresses the questions treated is mentioned, especially the free software available (AU)

Prevalencia de malnutrición en la población anciana española: una revisión sistemática / Prevalence of malnutrition in Spanish elders: systematic review

En los últimos años, varios estudios han estimado la prevalencia de malnutrición en la población anciana. El objetivo de esta revisión sistemática es obtener una visión global sobre el estado nutricional de la población anciana. Esta revisión se ha basado en la recopilación de estudios con información sobre la prevalencia de malnutrición publicados entre 1995-2011. Un total de 43.235 ancianos procedentes de 47 trabajos han sido seleccionados. Según el Mini Nutritional Assessment, se observó un 16,6% (intervalo de confianza del 95% [IC 95%] 0-62) de malnutrición; con los parámetros antropométricos o bioquímicos, se observó un 21,4% (IC 95% 2-77,3) de malnutrición; y con otros índices de evaluación nutricional, se observó una malnutrición de 47,3% (IC 95% 10,6-94,7). Las tasas de prevalencia de desnutrición fueron más altas en los estudios con gran proporción de pacientes con discapacidad grave, fractura de cadera o problemas de deglución. Se puede concluir que la malnutrición entre la población anciana está generalizada y es muy variable en función de los parámetros utilizados, los problemas de salud asociados o el ámbito de la población. En los futuros estudios, el uso sistemático de cribados nutricionales en los hospitales, residencias o centros asistenciales mejoraría mucho el pronóstico y la calidad de vida de las personas mayores, y facilitaría la comparación entre los resultados de los estudios

Over the past years, several studies have examined the prevalence of malnutrition. The purpose of the present systematic literature review is to provide an overview of the current knowledge about the nutritional situation of elderly. Based on a literature research, studies with information about the prevalence of malnutrition published between 1995 and 2011 were considered. A total of 43,235 participants from 47 eligible studies were found. According to the Mini Nutritional Assessment, malnutrition was observed in 16.6% (95% confidence interval [95% CI] 0-62); according to anthropometric and biochemical parameters, malnutrition was observed in 21.4% (95% CI 2-77.3) and, when other nutritional indexes were used, malnutrition was observed in 47.3% (95% CI 10.6-94.7). Prevalence rates of malnutrition were highest in studies with a high proportion of patient who were severely disabled, had hip fracture or swallowing problems. It can be concluded that malnutrition is generally widespread and is highly variable, according to parameters used for nutritional assessment, health related problems or the population under study. Future studies should use standardized nutritional assessment tools in order to improve the prognosis of malnutrition in the elderly and achieve better comparability of study results

[Prevalence of malnutrition in Spanish elders: systematic review]. / Prevalencia de malnutrición en la población anciana española: una revisión sistemática.

Over the past years, several studies have examined the prevalence of malnutrition. The purpose of the present systematic literature review is to provide an overview of the current knowledge about the nutritional situation of elderly. Based on a literature research, studies with information about the prevalence of malnutrition published between 1995 and 2011 were considered. A total of 43,235 participants from 47 eligible studies were found. According to the Mini Nutritional Assessment, malnutrition was observed in 16.6% (95% confidence interval [95% CI] 0-62); according to anthropometric and biochemical parameters, malnutrition was observed in 21.4% (95% CI 2-77.3) and, when other nutritional indexes were used, malnutrition was observed in 47.3% (95% CI 10.6-94.7). Prevalence rates of malnutrition were highest in studies with a high proportion of patient who were severely disabled, had hip fracture or swallowing problems. It can be concluded that malnutrition is generally widespread and is highly variable, according to parameters used for nutritional assessment, health related problems or the population under study. Future studies should use standardized nutritional assessment tools in order to improve the prognosis of malnutrition in the elderly and achieve better comparability of study results.