Development of an easy prognostic score for frailty outcomes in the aged
Notice bibliographique
Résumé
BACKGROUND: identification of frailty is recommended in geriatric practice. However, there is a lack of frailty scores combining easy-to-collect predictors from multiple domains. OBJECTIVE: to develop a frailty score including only self-reported information and easy-to-perform standardised measurements recommended in routine geriatric practice. DESIGN: prospective population-based study. SETTING/PARTICIPANTS: included 1,007 Italian subjects aged 65 and over. MEASUREMENTS: seventeen baseline possible mortality predictors from several domains, 4-year risk of mortality and other adverse health outcomes associated with frailty [fractures, hospitalisation, and new and worsening activities of daily living (ADL) disability]. METHODS: a multivariate Cox model was used to identify the best sub-group of independent predictors and to develop a mortality prognostic score, defined as the number of adverse predictors present. Logistic regression was used to verify whether the score also predicted risk of other frailty outcomes in the cohort survivors. RESULTS: nine independent mortality predictors were identified. Among subjects with score > or =3, each one point increase in the score was associated with a doubling in mortality risk and, among survivors, with an increased risk of all the other adverse health outcomes. CONCLUSIONS: nine easy-to-collect predictors may identify aged people at increased risk of adverse health outcomes associated with frailty.
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 ».