Usefulness of Frailty Markers in the Assessment of the Health and Functional Status of Older Cancer Patients Referred for Chemotherapy: A Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Older cancer patients seen in an oncology clinic seem to be healthier and less disabled than traditional geriatric patients. Choosing the most sensitive tools to assess their health status is a major issue. This cross-sectional study explores the usefulness of frailty markers in detecting vulnerability in older cancer patients. METHODS: The study included cancer patients >or=70 years old referred to an oncology clinic for chemotherapy. Information on comorbidities, disability in instrumental activities of daily living (IADL) and activities of daily living (ADL), and seven frailty markers (nutrition, mobility, strength, energy, physical activity, mood, and cognition) was collected. Patients were classified into four hierarchical groups: 1- No frailty markers, IADL, or ADL disability; 2- Presence of frailty markers without IADL or ADL disability; 3- IADL disability without ADL disability; 4- ADL disability. RESULTS: Among the 50 patients assessed, 6 (12.0%) were classified into Group 1, 21 (42.0%) into Group 2, 15 (30.0%) into Group 3, and 8 (16.0%) into Group 4. In Group 2, 7 patients (33.3 %) had one frailty marker, and 14 (66.7%) had two or more. The most prevalent of the frailty markers were nutrition, mobility, and physical activity. CONCLUSION: The assessment of seven frailty markers allowed the detection of potential vulnerability among 42% of older cancer patients that would not have been detected through an assessment of IADL and ADL disability alone. A longitudinal study is needed to determine whether the use of frailty markers can better characterize the older cancer population and predict adverse outcomes due to cancer treatment.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».