Derivation of a frailty index from the interRAI acute care instrument
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: A better understanding of the health status of older inpatients could underpin the delivery of more individualised, appropriate health care. METHODS: 1418 patients aged ≥ 70 years admitted to 11 hospitals in Australia were evaluated at admission using the interRAI assessment system for Acute Care. This instrument surveys a large number of domains, including cognition, communication, mood and behaviour, activities of daily living, continence, nutrition, skin condition, falls, and medical diagnosis. RESULTS: Variables across multiple domains were selected as health deficits. Dichotomous data were coded as symptom absent (0 deficit) or present (1 deficit). Ordinal scales were recoded as 0, 0.5 or 1 deficit based on face validity and the distribution of data. Individual deficit scores were summed and divided by the total number considered (56) to yield a Frailty index (FI-AC) with theoretical range 0-1. The index was normally distributed, with a mean score of 0.32 (±0.14), interquartile range 0.22 to 0.41. The 99% limit to deficit accumulation was 0.69, below the theoretical maximum of 1.0. In logistic regression analysis including age, gender and FI-AC as covariates, each 0.1 increase in the FI-AC increased the likelihood of inpatient mortality twofold (OR: 2.05 [95% CI 1.70-2.48]). CONCLUSIONS: Quantification of frailty status at hospital admission can be incorporated into an existing assessment system, which serves other clinical and administrative purposes. This could optimise clinical utility and minimise costs. The variables used to derive the FI-AC are common to all interRAI instruments, and could be used to precisely measure frailty across the spectrum of health care.
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.
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 découle