Co-occurrence of cardiometabolic diseases and frailty in older Chinese adults in the Beijing Longitudinal Study of Ageing
Notice bibliographique
Résumé
BACKGROUND: all cardiometabolic disorders become more common with age. Frailty and increased vulnerability to adverse outcomes are also common with aging. Even so, how commonly elderly people who are affected by cardiometabolic disorders are also frail remains unclear. OBJECTIVES: (i) to evaluate the prevalence of cardiometabolic disorders in relation to frailty. (ii) To estimate to which extent cardiometabolic diseases, when compared with frailty, affects mortality. METHODS: this is a secondary analysis of the Beijing Longitudinal Study of Ageing, a population-based representative cohort study (n = 3,257) assembled in 1992 and followed to 2007. The baseline frailty index (FI) considered 35 potential health deficits. People with an FI >0.22 were considered frail. The relationships between frailty and cardiometabolic disorders and mortality outcomes were evaluated using the Cox proportional hazard model, adjusted for baseline age, sex and education. RESULTS: the mean FI was 0.11 in men (SD = 0.10) and 0.14 (SD = 0.11) in women. On average, the FI increased with each cardiometabolic disorder (e.g. in men, mean ± SD = 0.16 ± 0.11 with hypertension, 0.23 ± 0.14 with stroke). As the number of disorders increased, so did the mean FI, and the proportion with the FI >0.22. For each condition, people with the FI >0.22 had a higher mortality, even after adjusting for sex, age and education. CONCLUSION: cardiometabolic disorders do not occur in isolation and commonly increase not just together, but in the presence of other health deficits. Healthcare providers who work with older adults with such problems need to develop methods to adapt their treatments to the needs of frail older adults.
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 ».