MétaCan
Menu
Retour à la cohorte
Enregistrement W2128614072 · doi:10.1093/ageing/afq105

Population attributable risk for functional disability associated with chronic conditions in Canadian older adults

2010· article· en· W2128614072 sur OpenAlexaffabout
Lauren E. Griffith, Parminder Raina, Hongmei Wu, Bin Zhu, Liza Stathokostas

Notice bibliographique

RevueAge and Ageing · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensWestern UniversityMcGill University Health CentreMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineAttributable riskGerontologyPopulationEnvironmental health

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: to investigate the population impact on functional disability of chronic conditions individually and in combination. METHODS: data from 9,008 community-dwelling individuals aged 65 and older from the Canadian Study of Health and Aging (CSHA) were used to estimate the population attributable risk (PAR) for chronic conditions after adjusting for confounding variables. Functional disability was measured using activity of daily living (ADL) and instrumental activity of daily living (IADL). RESULTS: five chronic conditions (foot problems, arthritis, cognitive impairment, heart problems and vision) made the largest contribution to ADL- and IADL-related functional disabilities. There was variation in magnitude and ranking of population attributable risk (PAR) by age, sex and definition of disability. All chronic conditions taken simultaneously accounted for about 66% of the ADL-related disability and almost 50% of the IADL-related disability. CONCLUSIONS: in community-dwelling older adults, foot problems, arthritis, cognitive impairment, heart problems and vision were the major determinants of disability. Attempts to reduce disability burden in older Canadians should target these chronic conditions; however, preventive interventions will be most efficient if they recognize the differences in the drivers of PAR by sex, age group and type of functional disability being targeted.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,265
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations138
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAge and AgeingMême sujetChronic Disease Management StrategiesTravaux en français237 207