Mortality in Relation to Frailty in Patients Admitted to a Specialized Geriatric Intensive Care Unit
Notice bibliographique
Résumé
BACKGROUND: In older adults admitted to intensive care units (ICUs), frailty influences prognosis. We examined the relationship between the frailty index (FI) based on deficit accumulation and early and late survival. METHODS: Older patients (≥65 years) admitted to a specialized geriatric ICU at the Liuhuaqiao Hospital, Guangzhou, China between July-December 2011 (n = 155; age 82.7±7.1 y; 87.1% men) were followed for 300 days. The FI was calculated as the proportion present of 52 health deficits. FI performance was compared with that of several prognostic scores. RESULTS: The 90-day death rate was 38.7% (n = 60; 27 died within 30 days). The FI score was correlated with the Glasgow Coma Scale, Karnofsky Scale, Palliative Performance Scale, Acute Physiology Score-APACHE II and APACHE IV (r (2) = 0.52 to 0.72, p < 0.001). Patients who died within 30 days had higher mean FI scores (0.41±0.11) than those who survived to 300 days (0.22±0.11; F = 38.91, p < 0.001). Each 1% increase in the FI from the previous level was associated with an 11% increase in the 30-day mortality risk (95% CI: 7%-15%) adjusting for age, sex, and the prognostic scores. The FI discriminated patients who died in 30 days from those who survived with moderately high accuracy (AUC = 0.89±0.03). No one with an FI score >0.46 survived past 90 days. CONCLUSION: ICU survival was strongly associated with the level of frailty at admission. An FI based on health deficit accumulation may help improve critical care outcome prediction in older adults.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».