Neighborhood Deprivation, Individual Socioeconomic Status, and Frailty in Older Adults
Notice bibliographique
Résumé
OBJECTIVES: To assess how individual socioeconomic status and neighborhood deprivation affect frailty. DESIGN: Nationally representative population-based study, the English Longitudinal Study of Aging (ELSA), analyzed cross-sectionally. PARTICIPANTS: Four thousand eight hundred eighteen individuals aged 65 and older. MEASUREMENTS: Outcome was a frailty index (FI), based on 58 potential deficits, with a theoretical range from 0 to 1; exposures were individual wealth and neighborhood deprivation (lack of local resources, financial and otherwise), based on a set of standard indicators. RESULTS: The FI score varied independently according to wealth and neighborhood deprivation. The mean FI score for an individual in the highest 20% of wealth and least deprived 20% of neighborhoods was 0.09 (95% confidence interval (CI)=0.09-0.09) and for an individual in the lowest 20% of wealth and most deprived 20% of neighborhoods was 0.17 (95% CI=0.16-0.17). CONCLUSION: Frailty in older adults is independently associated with individual and neighborhood socioeconomic factors. Older adults who are poor and live in deprived neighborhoods are most vulnerable. Policies and interventions intended to prevent or reduce frailty must take into account individual circumstances and the broader social settings in which individuals are located.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».