52 * THE PREVALENCE OF FRAILTY IN THE ACUTE GENERAL SURGICAL SETTING
Notice bibliographique
Résumé
Introduction: Increasingly older and frailer patients are being referred to acute general surgical services. More and more of these people are subsequently undergoing surgical procedures. This is due to better surgical and anaesthetic skills, set in the context of increased patient expectation. However, the epidemiological evidence base for the older surgical patient is very poor, especially in acute general setting. In the UK, there has never been an assessment of the prevalence of frailty in this population. Methods: In three sites in Wales, England and Scotland comprising rural and urban populations, we studied consecutive patients aged over 65 years admitted to the acute surgery admissions ward. This was part of a wider surgical collaboration regarding surgical disease in the older person, www.opsoc.eu. We considered any older person admitted to the acute general surgical unit. We did not include patients with orthopaedic, urological, neurosurgical or vascular conditions. We assessed them for baseline demographic data. They were assessed for frailty using the 7 point clinical frailty score derived from the Canadian Study of Health and Ageing. Results: We collected data on 308 people, mean age 77.5 years (range 65–101), 177 (57.5%) were women. There were 29 (9.4%) classed as very fit, 66 (21.4%) well, 62 (20.1%) well with treated comorbid disease, 58 (18.8%) apparently vulnerable, 25 (8.1%) mildly frail, 44 (14.3%) moderately frail and 15 (4.9%) severely frail. Eight people had frailty data missing. Conclusions: In a large UK wide, representative sample of older people with acute general surgical disease nearly half of them were classed as apparently vulnerable or more severely frail.
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 | 0,000 |
| 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 ».