Operationalizing frailty among older residents of assisted living facilities
Notice bibliographique
Résumé
BACKGROUND: Frailty in later life is viewed as a state of heightened vulnerability to poor outcomes. The utility of frailty as a measure of vulnerability in the assisted living (AL) population remains unexplored. We examined the feasibility and predictive accuracy of two different interpretations of the Cardiovascular Health Study (CHS) frailty criteria in a population-based sample of AL residents. METHODS: CHS frailty criteria were operationalized using two different approaches in 928 AL residents from the Alberta Continuing Care Epidemiological Studies (ACCES). Risks of one-year mortality and hospitalization were estimated for those categorized as frail or pre-frail (compared with non-frail). The prognostic significance of individual criteria was explored, and the area under the ROC curve (AUC) was calculated for select models to assess the utility of frailty in predicting one-year outcomes. RESULTS: Regarding feasibility, complete CHS criteria could not be assessed for 40% of the initial 1,067 residents. Consideration of supplementary items for select criteria reduced this to 12%. Using absolute (CHS-specified) cut-points, 48% of residents were categorized as frail and were at greater risk for death (adjusted risk ratio [RR] 1.75, 95% CI 1.08-2.83) and hospitalization (adjusted RR 1.54, 95% CI 1.20-1.96). Pre-frail residents defined by absolute cut-points (48.6%) showed no increased risk for mortality or hospitalization compared with non-frail residents. Using relative cut-points (derived from AL sample), 19% were defined as frail and 55% as pre-frail and the associated risks for mortality and hospitalization varied by sex. Frail (but not pre-frail) women were more likely to die (RR 1.58 95% CI 1.02-2.44) and be hospitalized (RR 1.53 95% CI 1.25-1.87). Frail and pre-frail men showed an increased mortality risk (RR 3.21 95% CI 1.71-6.00 and RR 2.61 95% CI 1.40-4.85, respectively) while only pre-frail men had an increased risk of hospitalization (RR 1.58 95% CI 1.15-2.17). Although incorporating either frailty measure improved the performance of predictive models, the best AUCs were 0.702 for mortality and 0.633 for hospitalization. CONCLUSIONS: Application of the CHS criteria for frailty was problematic and only marginally improved the prediction of select adverse outcomes in AL residents. Development and validation of alternative approaches for detecting frailty in this population, including consideration of female/male differences, is warranted.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».