The 'Sit-to-Scale' score a pilot study to develop an easily applied score to follow functional status in elderly dialysis patients
Notice bibliographique
Résumé
In Canada, the number of older persons requiring treatment for end-stage renal disease (ESRD) rose by nearly 20% between 1997 and 2001 [ 1 ]. Fifty-five percent of all new dialysis patients are 65 years of age and older, and almost 25% are 75 years and older [ 2 ]. Similar demographic trends have been observed in the United States and the United Kingdom [ 3 , 4 ]. Cross-sectional studies have shown older haemodialysis patients are generally less active and more physically impaired than younger patients [ 3 , 5 , 6 ]. In addition older dialysis patients suffer from a high degree of disability and functional dependence [ 6–9 ]. Functional impairment is important, clinically, for many reasons. In the general population, functional impairment predicts falls, fractures and hospitalization [ 10–12 ]. In the dialysis population clinical outcomes such as falls or fractures are very common, with studies suggesting that over 45% of older dialysis patients experience one or more falls each year [ 12–15 ]. In fact, in a small prospective study, we have shown that functional measures such as gait speed may better predict those individuals at higher risk of fractures when compared radiological evaluation [ 16 ]. Furthermore, intervention strategies, such as exercise or rehabililation programs, are known to be effective in dialysis [ 17–20 ].
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».