MétaCan
Menu
Retour à la cohorte
Enregistrement W1966287229 · doi:10.1093/ageing/afv010

Measuring frailty using self-report and test-based health measures

2015· article· en· W1966287229 sur OpenAlexaff
Olga Theou, Matthew O’Connell, Bellinda L. King‐Kallimanis, Aisling O’Halloran, Kenneth Rockwood, Rose Anne Kenny

Notice bibliographique

RevueAge and Ageing · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMedicineFrailty IndexGerontologyDemographyTest (biology)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: previously, frailty indices were constructed using mostly subjective health measures. The reporting error in this type of measure can have implications on the robustness of frailty findings. OBJECTIVE: to examine whether frailty assessment differs when we construct frailty indices using solely self-reported or test-based health measures. DESIGN: secondary analysis of data from The Irish LongituDinal study on Ageing (TILDA). SUBJECTS AND METHODS: 4,961 Irish residents (mean age: 61.9 ± 8.4; 54.2% women) over the age of 50 years who underwent a health assessment were included in this analysis. We constructed three frailty indices using 33 self-reported health measures (SRFI), 33 test-based health measures (TBFI) and all 66 measures combined (CFI). The 2-year follow-up outcomes examined were all-cause mortality, disability, hospitalisation and falls. RESULTS: all three indices had a right-skewed distribution, an upper limit to frailty, a non-linear increase with age, and had a dose-response relationship with adverse outcomes. Levels of frailty were lower when self-reported items were used (SRFI: 0.12 ± 0.09; TBFI: 0.17 ± 0.15; CFI: 0.14 ± 0.13). Men had slightly higher frailty index scores than women when test-based measures were used (men: 0.17 ± 0.09; women: 0.16 ± 0.10). CFI had the strongest prediction for risk of adverse outcomes (ROC: 0.64-0.81), and age was not a significant predictor when it was included in the regression model. CONCLUSIONS: except for sex differences, characteristics of frailty are similar regardless of whether self-reported or test-based measures are used exclusively to construct a frailty index. Where available, self-reported and test-based measures should be combined when trying to identify levels of frailty.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,124
Tête enseignante GPT0,319
Écart entre enseignants0,195 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations145
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAge and AgeingMême sujetFrailty in Older AdultsTravaux en français237 207