Health status transitions in community-living elderly with complex care needs: a latent class approach
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».