MétaCan
Menu
Retour à la cohorte
Enregistrement W1989985915 · doi:10.1186/1471-2318-9-6

Health status transitions in community-living elderly with complex care needs: a latent class approach

2009· article· en· W1989985915 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBMC Geriatrics · 2009
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensMcGill UniversityJewish General HospitalUniversité de Montréal
Organismes subventionnairesRéseau québécois de recherche sur le vieillissement
Mots-clésLatent class modelMedicineGerontologyCognitionHealth careAttritionPopulationPsychiatryEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: For older persons with complex care needs, accounting for the variability and interdependency in how health dimensions manifest themselves is necessary to understand the dynamic of health status. Our objective is to test the hypothesis that a latent classification can capture this heterogeneity in a population of frail elderly persons living in the community. Based on a person-centered approach, the classification corresponds to substantively meaningful groups of individuals who present with a comparable constellation of health problems. METHODS: Using data collected for the SIPA project, a system of integrated care for frail older people (n = 1164), we performed latent class analyses to identify homogenous categories of health status (i.e. health profiles) based on 17 indicators of prevalent health problems (chronic conditions; depression; cognition; functional and sensory limitations; instrumental, mobility and personal care disability) Then, we conducted latent transition analyses to study change in profile membership over 2 consecutive periods of 12 and 10 months, respectively. We modeled competing risks for mortality and lost to follow-up as absorbing states to avoid attrition biases. RESULTS: We identified four health profiles that distinguish the physical and cognitive dimensions of health and capture severity along the disability dimension. The profiles are stable over time and robust to mortality and lost to follow-up attrition. The differentiated and gender-specific patterns of transition probabilities demonstrate the profiles' sensitivity to change in health status and unmasked the differential relationship of physical and cognitive domains with progression in disability. CONCLUSION: Our approach may prove useful at organization and policy levels where many issues call for classification of individuals into pragmatically meaningful groups. In dealing with attrition biases, our analytical strategy could provide critical information for the planning of longitudinal studies of aging. Combined, these findings address a central challenge in geriatrics by making the multidimensional and dynamic nature of health computationally tractable.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,486
Score d'incertitude au seuil0,689

Scores Codex et Gemma par catégorie

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

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 Opus0,083
Tête enseignante GPT0,358
Écart entre enseignants0,276 · 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