MUST – przesiew niedożywienia: jak policzyć wynik

Autor: Konrad Hryniewicz · Opublikowano: 1 listopada 2026

Czym jest MUST

MUST (Malnutrition Universal Screening Tool) to przesiewowe narzędzie do oceny ryzyka niedożywienia u dorosłych, opracowane przez brytyjskie towarzystwo BAPEN (British Association for Parenteral and Enteral Nutrition). Stratton i in. (2004) opisują je jako narzędzie dla wszystkich miejsc opieki i wszystkich grup dorosłych pacjentów. BAPEN (b.d.-c) podkreśla dwie rzeczy: MUST jest zwalidowany tylko dla dorosłych i zawsze należy go nazywać narzędziem przesiewowym, a nie narzędziem oceny stanu odżywienia. Wynik oznacza więc ryzyko, a nie rozpoznanie niedożywienia.

MUST często pojawia się w pracach z dietetyki i pielęgniarstwa: w badaniach pacjentów szpitalnych, mieszkańców domów opieki i osób starszych w opiece środowiskowej. Ogólny warsztat tych kierunków opisują wpisy statystyka w pracy z dietetyki i statystyka w pracy z pielęgniarstwa. W takich projektach MUST stoi często obok skali Norton i indeksu Charlsona.

Ten wpis dotyczy liczenia i analizy wyniku w pracy badawczej. Nie opisujemy postępowania żywieniowego przypisanego do kategorii ryzyka. To zalecenia kliniczne, które są w oficjalnych materiałach BAPEN i w procedurach placówki.

Pięć kroków i punktacja

BAPEN udostępnia pięciokrokowy schemat MUST, tabele BMI i utraty masy ciała oraz formularz w plikach PDF (BAPEN, b.d.-a). Strony HTML BAPEN opisują dane wejściowe, punkty za ostry stan chorobowy i kategorie ryzyka (BAPEN, b.d.-b, b.d.-c). Progów BMI i utraty masy ciała nie podają w tekście, więc wzięliśmy je z opublikowanego opisu narzędzia w pracy Miyaty, Tanaki i Ihaku (2013). Przed badaniem porównaj je z oficjalnym formularzem BAPEN.

Wynik ogólny mieści się w zakresie 0–6. W odpowiedziach na częste pytania BAPEN (b.d.-c) omawia pacjentów z wynikiem od 2 do 6. Kalkulator BAPEN (b.d.-b) dodaje dwie reguły ważne przy kodowaniu. Po pierwsze, przy zamierzonej utracie masy procent utraty i punkty wynoszą 0. Po drugie, ostry stan chorobowy jest mało prawdopodobny poza szpitalem.

Jak policzyć wynik krok po kroku

1. BMI. Masa (kg) podzielona przez kwadrat wzrostu (m). Wzrost zapisuj w centymetrach i przeliczaj w programie, nie w głowie.
2. Procent utraty masy. 100 × (masa sprzed 3–6 miesięcy − masa obecna) / masa sprzed 3–6 miesięcy. Przyrost masy daje wartość ujemną i 0 punktów.
3. Granice przedziałów. Zapisy „18.5–20” i „5–10%” nie mówią wprost, gdzie trafia wynik równy dokładnie 20 albo 10%. W przykładzie wartości graniczne przypisujemy do środkowego przedziału. To decyzja badacza, którą trzeba opisać. Ustal też, czy zaokrąglasz BMI przed punktacją.
4. Ostry stan chorobowy. Zmienna 0/1 według definicji z kalkulatora BAPEN. Przy 1 dodaj 2 punkty.
5. Suma i kategoria. Dodaj punkty z kroków 1–3 i przypisz kategorię: 0, 1 albo 2+.

W bazie danych zapisz osobno surowe pomiary, punkty za każdy krok, sumę i kategorię. Dzięki temu sprawdzisz liczenie i pokażesz w wynikach, który krok najczęściej „podnosi” ryzyko. Ogólne zasady przekodowania zmiennych opisuje poradnik jak policzyć wynik kwestionariusza.

Gdy nie da się zmierzyć masy lub wzrostu

Kalkulator BAPEN (b.d.-b) dopuszcza wzrost podany przez pacjenta, jeśli jest wiarygodny, i wzrost szacowany z długości kości łokciowej. Przy braku pomiarów stosuje się kryteria subiektywne i obwód ramienia (MUAC). Te kryteria dają kategorię ryzyka, ale nie dają wyniku liczbowego. Nie wpisuj więc takim osobom „wymyślonego” wyniku. Zapisz osobną zmienną „sposób oceny” i analizuj te osoby oddzielnie. To ważne, bo nie są to przypadkowe braki. Stratton i in. (2006) zważyli tylko 56% hospitalizowanych osób starszych. Osoby bez zmierzonej i bez podanej masy częściej miały ryzyko niedożywienia i gorsze wyniki kliniczne. Wykluczenie ich zaniża odsetek ryzyka w próbie (zob. hasło braki danych MCAR, MAR i MNAR).

Co wiadomo o trafności i rzetelności

Stratton i in. (2004) porównali MUST z innymi narzędziami u tych samych pacjentów. Odsetek ryzyka według MUST wynosił 19–60% u hospitalizowanych i 30% u pacjentów ambulatoryjnych. Zgodność ponad przypadek (kappa) wynosiła od .775 do .893 z trzema narzędziami, od .551 do .711 z kolejnymi trzema i .255 z jednym. MUST należał do najszybszych narzędzi (3–5 min). BAPEN (b.d.-c) podaje, że zgodność między oceniającymi przekraczała 95% we wszystkich badaniach. Stratton i in. (2006) pokazali u osób starszych, że kategoria MUST i punkty składowe wiązały się ze śmiertelnością, a osoby z ryzykiem miały dłuższy pobyt w szpitalu.

Wynik zależy od jakości pomiaru. Przy zaburzonej gospodarce płynowej, np. w chorobach nerek lub wątroby, BMI i utratę masy trzeba interpretować ostrożnie (BAPEN, b.d.-c). Polskich norm MUST nie ma i nie są potrzebne, bo kategorie wynikają z reguł punktacji. Progów z innych badań nie przenoś automatycznie. Na przykład Miyata i in. (2013) wyznaczyli u 57 chorych na gruźlicę próg 3.5 dla przewidywania zgonu, ale to próg prognostyczny z jednej małej próby, a nie kategoria MUST. Doboru progów dotyczy hasło punkt odcięcia.

Licencja i warunki użycia

Według strony BAPEN (b.d.-a; stan na 1 listopada 2026 r.) MUST jest swobodnie dostępny do użytku niekomercyjnego, więc praca dyplomowa i badanie naukowe mieszczą się w tym zakresie. Adaptacja narzędzia, np. dodanie logo szpitala, wymaga zgody na prawa autorskie. Użycie komercyjne wymaga zgody i umowy licencyjnej. Przy każdym użyciu MUST w druku lub online trzeba zamieścić formułę wskazaną przez BAPEN, że narzędzie reprodukowano za zgodą BAPEN. Jeśli dołączasz formularz do aneksu pracy, dodaj tę formułę. Jeśli korzystasz z wersji przetłumaczonej, sprawdź jej źródło na stronie BAPEN.

Przykład: 420 pacjentów z trzech oddziałów

Dane są symulowane i możesz je pobrać jako plik CSV. Plik zawiera oddział, wiek, płeć, zmierzony i podany wzrost, masę przy przyjęciu i sprzed 3–6 miesięcy, informację o zamierzonej utracie masy, ostry stan chorobowy i długość pobytu. U 25 osób nie zmierzono masy: u 13.3% pacjentów oddziału geriatrycznego, 3.8% internistycznego i 2.1% chirurgicznego. Osoby bez pomiaru były starsze (mediana wieku 80 wobec 68 lat). Wynik liczbowy miało 395 osób.

Wynik ogólny 0 miało 264 osoby, 1 – 42 osoby, 2 – 72 osoby, a od 3 do 5 – 17 osób. Ryzyko niskie miało więc 66.8% pacjentów, średnie 10.6%, a wysokie 22.5%. Rozkład jest silnie skośny, dlatego w pracy podawaj odsetki kategorii, a nie średnią sumę punktów.

Odsetek ryzyka na oddziałach

Ryzyko średnie lub wysokie miało 131 z 395 osób, czyli 33.2%, 95% CI [28.7, 38.0]. Przedziały policzono metodą Wilsona (zob. przedział ufności dla proporcji). Na oddziale geriatrycznym odsetek wynosił 41.3% [32.4, 51.0], na chirurgicznym 32.1% [24.9, 40.3], a na internistycznym 28.6% [22.0, 36.2]. Test chi-kwadrat dla tabeli oddział × kategoria nie wykazał istotnego związku: χ²(4) = 8.86, p = .065, V Craméra = .11. Najmniejsza liczebność oczekiwana wynosiła 11.1, więc test był uprawniony (zob. chi-kwadrat czy test Fishera).

Kategoria MUST a długość pobytu

Długość pobytu to liczba dni, zwykle prawoskośna, więc opisaliśmy ją medianą i IQR. Mediana wynosiła 7 dni [5, 11] przy ryzyku niskim, 10.5 dnia [6.25, 14] przy średnim i 10 dni [7, 14] przy wysokim. W modelu ujemnej regresji dwumianowej z korektą o oddział i wiek oczekiwana długość pobytu była dłuższa przy ryzyku średnim: IRR = 1.34, 95% CI [1.14, 1.59], p < .001. Podobnie było przy ryzyku wysokim: IRR = 1.34, 95% CI [1.18, 1.52], p < .001. Wybór modelu dla zliczeń wyjaśnia wpis regresja dla zliczeń krok po kroku. To związek w danych obserwacyjnych, a nie dowód, że ryzyko żywieniowe wydłuża pobyt.

Wrażliwość na pomiar: wzrost podany zamiast zmierzonego

Ostre progi BMI sprawiają, że niewielki błąd pomiaru zmienia punkty. Wzrost podany przez pacjentów był w symulacji średnio nieco zawyżony, więc BMI z podanego wzrostu było niższe średnio o 0.43 kg/m². Jedenaście osób dostało inny punkt za BMI, a 8 osób (2.0%) zmieniło kategorię ryzyka. Kappa ważona między obiema wersjami wyniosła .99, 95% CI [.98, 1.00]. Wysoka kappa nie zwalnia jednak z opisu sposobu pomiaru, bo zmiany dotyczą osób blisko progów (rysunek 2). Interpretację kappy omawiają Sim i Wright (2005), a jej liczenie wpis zgodność sędziów: kappa, ICC i alfa.

Jak opisać MUST w pracy

Wzór zawiera liczby z przykładu. W nawiasach kwadratowych uzupełnij dane swojego badania. Ogólny schemat opisu narzędzia znajdziesz w poradniku opis narzędzia badawczego – wzór, a tabelę charakterystyki próby we wpisie tabela 1.

# B282 – MUST: wynik przesiewu ryzyka niedożywienia z pomiarów i jego analiza (dane symulowane, set.seed(2821)).
# 420 dorosłych pacjentów przyjętych na trzy oddziały. Zasady punktacji (Miyata i in., 2013; kalkulator BAPEN, b.d.-b):
# BMI > 20 = 0, 18.5–20 = 1, < 18.5 = 2; niezamierzona utrata masy ciała w ostatnich 3–6 miesiącach:
# < 5% = 0, 5–10% = 1, > 10% = 2; ostry stan chorobowy bez przyjmowania pokarmu > 5 dni = 2;
# suma 0 = ryzyko niskie, 1 = średnie, 2 i więcej = wysokie. Zamierzona utrata masy = 0 pkt (kalkulator BAPEN).
# Wartości dokładnie na granicach (BMI 20 i 18.5, utrata 5% i 10%) przypisano do środkowego przedziału – decyzja badacza.
suppressPackageStartupMessages({ library(DescTools); library(MASS); library(psych) })
set.seed(2821)
n <- 420
oddzial <- rep(c("internistyczny", "chirurgiczny", "geriatryczny"), c(160, 140, 120))
geri <- oddzial == "geriatryczny"
wiek <- round(ifelse(geri, rnorm(n, 83, 5), rnorm(n, 62, 13)))
wiek <- pmin(pmax(wiek, 18), 98)
plec <- ifelse(rbinom(n, 1, .55) == 1, "K", "M")
wzrost <- round(ifelse(plec == "K", rnorm(n, 162, 6.5), rnorm(n, 176, 7)) - 3 * geri)    # cm, pomiar
bmi_prawdziwe <- pmax(14.5, rnorm(n, 25.5 - 2.5 * geri, 4.6))
masa <- round(bmi_prawdziwe * (wzrost / 100)^2, 1)                                      # kg, pomiar przy przyjęciu
traci <- rbinom(n, 1, ifelse(geri, .35, .22))
utrata_proc <- ifelse(traci == 1, pmax(1, rnorm(n, 8, 3.5)), rnorm(n, 0.3, 1.8))        # prawdziwa zmiana w %
masa_wczesniej <- round(masa / (1 - utrata_proc / 100), 1)                              # masa sprzed 3–6 miesięcy
utrata_zamierzona <- ifelse(utrata_proc > 0, rbinom(n, 1, .08), 0)
ostry_stan <- rbinom(n, 1, c(internistyczny = .06, chirurgiczny = .11, geriatryczny = .05)[oddzial])
wzrost_podany <- round(wzrost + rnorm(n, 1.5, 2))                                       # wzrost podany przez pacjenta
bez_pomiaru <- rbinom(n, 1, plogis(-3.0 + 1.6 * geri - 0.12 * (bmi_prawdziwe - 22))) == 1   # nie dało się zważyć
masa[bez_pomiaru] <- NA; wzrost[bez_pomiaru] <- NA; masa_wczesniej[bez_pomiaru] <- NA; wzrost_podany[bez_pomiaru] <- NA
lambda <- exp(log(6.5) + 0.12 * (oddzial == "chirurgiczny") + 0.18 * geri +
              0.25 * (bmi_prawdziwe < 20 | utrata_proc > 5) + 0.35 * ostry_stan)
pobyt_dni <- rnbinom(n, mu = lambda, size = 4) + 1
dane <- data.frame(id = 1:n, oddzial, wiek, plec, wzrost_cm = wzrost, wzrost_podany_cm = wzrost_podany,
                   masa_kg = masa, masa_3_6_mies_kg = masa_wczesniej, utrata_zamierzona,
                   ostry_stan_bez_jedzenia_5dni = ostry_stan, pobyt_dni)
write.csv(dane, "../must-dane-przyklad.csv", row.names = FALSE, na = "")   # plik do pobrania

# Krok 1. Kontrola danych: zakresy i osoby bez pomiaru (ocena tylko kryteriami subiektywnymi – bez wyniku liczbowego)
summary(dane[, c("wzrost_cm", "masa_kg", "masa_3_6_mies_kg")])
table(bez_pomiaru = is.na(dane$masa_kg), dane$oddzial)

# Krok 2. Punkty za trzy kroki i wynik ogólny
must_wynik <- function(wzrost_cm, masa, masa_wcz, zamierzona, ostry) {
  bmi <- masa / (wzrost_cm / 100)^2
  bmi_pkt <- ifelse(bmi > 20, 0, ifelse(bmi >= 18.5, 1, 2))
  utrata <- 100 * (masa_wcz - masa) / masa_wcz                       # % utraty względem masy sprzed 3–6 mies.
  utrata_pkt <- ifelse(zamierzona == 1 | utrata < 5, 0, ifelse(utrata <= 10, 1, 2))
  ostry_pkt <- 2 * ostry
  suma <- bmi_pkt + utrata_pkt + ostry_pkt
  ryzyko <- cut(suma, c(-Inf, 0, 1, Inf), labels = c("niskie", "srednie", "wysokie"))
  data.frame(bmi = round(bmi, 2), bmi_pkt, utrata = round(utrata, 2), utrata_pkt, ostry_pkt, suma, ryzyko)
}
w <- with(dane, must_wynik(wzrost_cm, masa_kg, masa_3_6_mies_kg, utrata_zamierzona, ostry_stan_bez_jedzenia_5dni))
dane <- cbind(dane, w)
d <- dane[!is.na(dane$suma), ]
nrow(d)
sapply(d[, c("bmi_pkt", "utrata_pkt", "ostry_pkt")], function(x) table(factor(x, levels = 0:2)))
table(d$suma)
round(100 * prop.table(table(d$ryzyko)), 1)

# Krok 3. Odsetek ryzyka średniego lub wysokiego z 95% CI Wilsona – ogółem i na oddziałach
d$ryzyko_1plus <- as.numeric(d$suma >= 1)
ci <- function(y) c(n = length(y), k = sum(y), 100 * BinomCI(sum(y), length(y), method = "wilson"))
round(rbind(ogolem = ci(d$ryzyko_1plus), t(sapply(split(d$ryzyko_1plus, d$oddzial), ci))), 1)
tab <- table(d$oddzial, d$ryzyko); tab
chi <- chisq.test(tab); round(c(chi2 = unname(chi$statistic), df = unname(chi$parameter), p = chi$p.value), 3)
round(min(chi$expected), 1)
round(CramerV(tab, conf.level = .95), 2)

# Krok 4. Kategoria MUST a długość pobytu: ujemna regresja dwumianowa z korektą o oddział i wiek
tapply(d$pobyt_dni, d$ryzyko, function(x) c(n = length(x), Me = median(x), Q1 = quantile(x, .25, names = FALSE), Q3 = quantile(x, .75, names = FALSE)))
nb <- glm.nb(pobyt_dni ~ ryzyko + oddzial + I(wiek / 10), data = d)
round(exp(cbind(IRR = coef(nb), suppressMessages(confint(nb))))[2:3, ], 2)
format.pval(summary(nb)$coefficients[2:3, 4], digits = 3)

# Krok 5. Osoby bez pomiaru: kto to jest (braki nie rozkładają się losowo między oddziały)
round(100 * tapply(is.na(dane$suma), dane$oddzial, mean), 1)
round(tapply(dane$wiek, is.na(dane$suma), median), 1)

# Krok 6. Wrażliwość na pomiar: wzrost podany przez pacjenta zamiast zmierzonego
w2 <- with(d, must_wynik(wzrost_podany_cm, masa_kg, masa_3_6_mies_kg, utrata_zamierzona, ostry_stan_bez_jedzenia_5dni))
round(mean(w2$bmi - d$bmi), 2)                                      # średnia różnica BMI
sum(d$bmi_pkt != w2$bmi_pkt)                                        # ile osób dostało inny punkt za BMI
table(zmierzony = d$ryzyko, podany = w2$ryzyko)
c(zmiana_kategorii = sum(d$ryzyko != w2$ryzyko), proc = round(100 * mean(d$ryzyko != w2$ryzyko), 1))
k <- cohen.kappa(cbind(as.numeric(d$ryzyko), as.numeric(w2$ryzyko)))
round(c(kappa_wazona = k$weighted.kappa, lo = k$confid[2, 1], hi = k$confid[2, 3]), 2)

   wzrost_cm        masa_kg       masa_3_6_mies_kg
 Min.   :146.0   Min.   : 33.10   Min.   : 33.70  
 1st Qu.:160.0   1st Qu.: 60.80   1st Qu.: 62.40  
 Median :167.0   Median : 71.50   Median : 72.90  
 Mean   :167.4   Mean   : 72.04   Mean   : 73.80  
 3rd Qu.:175.5   3rd Qu.: 82.55   3rd Qu.: 83.85  
 Max.   :196.0   Max.   :127.30   Max.   :130.20  
 NA's   :25      NA's   :25       NA's   :25      
           
bez_pomiaru chirurgiczny geriatryczny internistyczny
      FALSE          137          104            154
      TRUE             3           16              6
[1] 395
  bmi_pkt utrata_pkt ostry_pkt
0     348        323       362
1      19         40         0
2      28         32        33

  0   1   2   3   4   5 
264  42  72  10   6   1 

 niskie srednie wysokie 
   66.8    10.6    22.5 
                 n   k               
ogolem         395 131 33.2 28.7 38.0
chirurgiczny   137  44 32.1 24.9 40.3
geriatryczny   104  43 41.3 32.4 51.0
internistyczny 154  44 28.6 22.0 36.2
                
                 niskie srednie wysokie
  chirurgiczny       93      13      31
  geriatryczny       61      10      33
  internistyczny    110      19      25
 chi2    df     p 
8.858 4.000 0.065 
[1] 11.1
Cramer V   lwr.ci   upr.ci 
    0.11     0.00     0.16 
$niskie
  n  Me  Q1  Q3 
264   7   5  11 

$srednie
    n    Me    Q1    Q3 
42.00 10.50  6.25 14.00 

$wysokie
 n Me Q1 Q3 
89 10  7 14 

               IRR 2.5 % 97.5 %
ryzykosrednie 1.34  1.14   1.59
ryzykowysokie 1.34  1.18   1.52
[1] "0.000576" "6.43e-06"
  chirurgiczny   geriatryczny internistyczny 
           2.1           13.3            3.8 
FALSE  TRUE 
   68    80 
[1] -0.43
[1] 11
         podany
zmierzony niskie srednie wysokie
  niskie     258       6       0
  srednie      1      40       1
  wysokie      0       0      89
zmiana_kategorii             proc 
               8                2 
kappa_wazona           lo           hi 
        0.99         0.98         1.00 

Najczęstsze błędy przy MUST

• „Niedożywienie” zamiast „ryzyka niedożywienia”. MUST to przesiew. Pisz o ryzyku, a rozpoznanie zostaw pełnej ocenie stanu odżywienia.
• Progi z pamięci. Punktację sprawdź na oficjalnym formularzu BAPEN i opisz, jak traktujesz wartości równe granicom.
• Punkty za zamierzoną utratę masy. Według kalkulatora BAPEN zamierzona utrata daje 0 punktów. Potrzebujesz więc zmiennej „czy utrata była zamierzona”.
• Wymyślony wynik dla osób bez pomiaru. Kryteria subiektywne dają kategorię, a nie liczbę. Opisz te osoby osobno i nie usuwaj ich bez słowa.
• Średnia suma punktów jako główny wynik. Przy tak skośnym rozkładzie podawaj odsetki kategorii z przedziałami ufności.
• Wnioski przyczynowe. Związek kategorii MUST z długością pobytu czy śmiertelnością w badaniu przekrojowym lub kohortowym to związek. W modelu uwzględnij też obciążenie chorobami, np. indeksem Charlsona.

Jeśli chcesz, żeby ktoś sprawdził liczenie MUST i dobór analiz w Twojej bazie, możesz skorzystać z oferty analizy statystyczne dla studentów. Wyniki musisz jednak rozumieć i umieć obronić samodzielnie.

Najczęstsze pytania

Jak policzyć wynik MUST?

Przyznaj punkty za BMI (powyżej 20 = 0, 18.5–20 = 1, poniżej 18.5 = 2), za niezamierzoną utratę masy ciała w ostatnich 3–6 miesiącach (poniżej 5% = 0, 5–10% = 1, powyżej 10% = 2) i 2 punkty za ostry stan chorobowy z brakiem przyjmowania pokarmu przez ponad 5 dni. Zsumuj punkty: 0 to ryzyko niskie, 1 średnie, 2 i więcej wysokie. Progi porównaj z oficjalnym formularzem BAPEN.

Czy wynik MUST oznacza niedożywienie?

Nie. BAPEN zaznacza, że MUST jest narzędziem przesiewowym, a nie narzędziem oceny stanu odżywienia. W pracy pisz o ryzyku niedożywienia. Rozpoznanie wymaga pełnej oceny, której MUST nie zastępuje.

Co zrobić z pacjentem, którego nie da się zważyć w badaniu MUST?

Kalkulator BAPEN dopuszcza wtedy wzrost podany lub szacowany z długości kości łokciowej, a bez pomiarów – kryteria subiektywne. Kryteria subiektywne dają kategorię ryzyka, ale nie wynik liczbowy. Zapisz sposób oceny jako osobną zmienną i opisz te osoby oddzielnie, bo zwykle mają wyższe ryzyko niż pozostali.

Czy MUST można używać w pracy magisterskiej bez zgody?

Według strony BAPEN MUST jest swobodnie dostępny do użytku niekomercyjnego. Adaptacja narzędzia wymaga zgody, a użycie komercyjne – umowy licencyjnej. Przy reprodukcji formularza trzeba dodać formułę wskazaną przez BAPEN, że narzędzie reprodukowano za jego zgodą.

Jak przedstawić wyniki MUST w pracy?

Podaj odsetki kategorii ryzyka z 95% przedziałami ufności, najlepiej także w podgrupach, oraz rozkład punktów w poszczególnych krokach. Średnia suma punktów słabo opisuje silnie skośny rozkład. Opisz też, ile osób oceniono bez pomiarów i jak potraktowano wartości równe granicom przedziałów.

Powiązane hasła

Przeczytaj też

@misc{bapenmusttoolkit, author={{British Association for Parenteral and Enteral Nutrition}}, title={{The ‘MUST’ toolkit}}, year={b.d.-a}, publisher={BAPEN}, url={https://www.bapen.org.uk/must-and-self-screening/the-must-toolkit/}}

@misc{bapenmustcalculator, author={{British Association for Parenteral and Enteral Nutrition}}, title={{‘MUST’ calculator}}, year={b.d.-b}, publisher={BAPEN}, url={https://www.bapen.org.uk/must-and-self-screening/must-calculator/}}

@misc{bapenmustfaqs, author={{British Association for Parenteral and Enteral Nutrition}}, title={{The ‘MUST’ FAQs}}, year={b.d.-c}, publisher={BAPEN}, url={https://www.bapen.org.uk/must-and-self-screening/must-toolkit/the-must-faqs/}}

@article{miyata2013prognostic, author={Miyata, Shigeru and Tanaka, Mikio and Ihaku, Daizo}, title={{The prognostic significance of nutritional status using malnutrition universal screening tool in patients with pulmonary tuberculosis}}, journal={Nutrition Journal}, year={2013}, volume={12}, number={1}, eid={42}, doi={10.1186/1475-2891-12-42}}

@article{sim2005kappa, author={Sim, Julius and Wright, Chris C.}, title={{The kappa statistic in reliability studies: Use, interpretation, and sample size requirements}}, journal={Physical Therapy}, year={2005}, volume={85}, number={3}, pages={257--268}, doi={10.1093/ptj/85.3.257}}

@article{stratton2004malnutrition, author={Stratton, Rebecca J. and Hackston, Annemarie and Longmore, David and Dixon, Rod and Price, Sarah and Stroud, Mike and King, Claire and Elia, Marinos}, title={{Malnutrition in hospital outpatients and inpatients: Prevalence, concurrent validity and ease of use of the ‘malnutrition universal screening tool’ (‘MUST’) for adults}}, journal={British Journal of Nutrition}, year={2004}, volume={92}, number={5}, pages={799--808}, doi={10.1079/bjn20041258}}

@article{stratton2006malnutrition, author={Stratton, Rebecca J. and King, Claire L. and Stroud, Mike A. and Jackson, Alan A. and Elia, Marinos}, title={{‘Malnutrition Universal Screening Tool’ predicts mortality and length of hospital stay in acutely ill elderly}}, journal={British Journal of Nutrition}, year={2006}, volume={95}, number={2}, pages={325--330}, doi={10.1079/bjn20051622}}