Identifying Common Characteristics of Frailty Across Seven Scales
Notice bibliographique
Résumé
OBJECTIVES: To determine whether commonly used frailty scales exhibit shared characteristics when applied to a representative sample of middle-aged and older Europeans. DESIGN: Secondary analysis of the Survey of Health, Ageing, and Retirement in Europe (SHARE). SETTING: Eleven European countries. PARTICIPANTS: Community-dwelling adults (N = 27,527; mean age 65.3 ± 10.5, 55% female). MEASUREMENTS: Frailty was assessed using SHARE-operationalized versions of seven frailty scales: Edmonton Frail Scale, FRAIL scale, Groningen Frailty Indicator, frailty phenotype, Tilburg Frailty Indicator, a 70-item frailty index (FI), and a 44-item frailty index based on Comprehensive Geriatric Assessment. RESULTS: All frailty scales demonstrated right-skewed density distributions. On all scales, frailty scores increased nonlinearly with age, between 1% (FRAIL) and 3.6% (FI) per year on a log scale. Frailty scores on all scales exhibited dose-response relationships with 5-year mortality. On all scales, women had higher frailty scores than men of the same age but demonstrated better survival than did men with the same frailty score. On all scales except the frailty phenotype, 99% of participants had scores below the scale's theoretical maximum. CONCLUSION: On each frailty scale, frailty score increased nonlinearly with age, mortality risk increased with frailty score, and women had higher scores than men but demonstrated better survival. Each scale except the frailty phenotype demonstrated an upper limit to frailty below the scale's theoretical maximum. Across commonly used frailty scales, these characteristics are common in nature but differ in magnitude.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».