Frailty Markers Predicting Emergency Department Visits in a Community-Dwelling Sample of Vulnerable Seniors in Montreal
Notice bibliographique
Résumé
RÉSUMÉ La fragilité met les individus à un risque accru de mauvaise santé. Les personnes âgées consomment une quantité disproportionnée des ressources du service des urgence [SU]. Afin d’étudier la relation entre les marqueurs de fragilité et l’effet sur l’utilisation des services des urgence par les personnes âgées vivant dans les communautés, nous avons mené une analyse secondaire d’un essai prospectif randomisé contrôlé de 22 mois à Montreal, au Canada, en utilisant la base de données du Système de services intégrés pour personnes âgées en perte d’autonomie (SIPA). Nous avons evalué un échantillon de 565 individus, avec cinq marqueurs de fragilité : l’activité physique, la force, la cognition, l’énérgie et la mobilité. Une régression logistique univariée et multivariée a été réalisée afin d’évaluer la relation potentielle entre les marqueurs de fragilité et les visites aux urgences. Les résultats ont révelé que 70 pour cent des participants avaient au moins trois marqueurs de fragilité. Cependant, aucune relation n’a été trouvée entre les marqueurs de fragilité et les visites aux urgences. Ces résultats suggèrent, donc, que parmi les personnes âgées fonctionellement sévèrement handicapés au sein des communautés, la présence de marqueurs de fragilité ne semble pas prévoir les visites aux urgences.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».