The risk of adverse outcomes in hospitalized older patients in relation to a frailty index based on a comprehensive geriatric assessment
Notice bibliographique
Résumé
BACKGROUND: prognostication for frail older adults is complex, especially when they become seriously ill. OBJECTIVES: to test the measurement properties, especially the predictive validity, of a frailty index based on a comprehensive geriatric assessment (FI-CGA) in an acute care setting in relation to the risk of death, length of stay and discharge destination. DESIGN AND SETTING: prospective cohort study. Inpatient medical units in a teaching, acute care hospital. SUBJECTS: individuals on inpatient medical units in a hospital, n = 752, aged 75+ years, were evaluated on their first hospital day; to test reliability, a subsample (n = 231) was seen again on Day 3. MEASUREMENTS: all frailty data collected routinely as part of a CGA were used to create the FI-CGA. Mortality data were reviewed from hospital records, claims data, Social Security Death Index and interviews with Discharge Managers. RESULTS: thirty-day mortality was 93 (12.4%; 95% confidence interval (CI) = 10-15%) of whom 52 died in hospital. The risk of dying increased with each 0.01 increment in the FI-CGA: hazard ratio (HR) = 1.05, (95% CI = 1.04-1.07). People who were discharged home had the lowest admitting mean FI-CGA = 0.38 (±standard deviation 0.11) compared with those who died, FI-CGA = 0.51 (±0.12) or were discharged to nursing home, FI-CGA = 0.49 (±0.11). Likewise, increasing FI-CGA values on admission were significantly associated with a longer length of hospital stay. CONCLUSIONS: frailty, measured by the FI-CGA, was independently associated with a higher risk of death and other adverse outcomes in older people admitted to an acute care hospital.
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 ».