Validation of an index to estimate the prevalence of frailty among community-dwelling seniors.
Notice bibliographique
Résumé
BACKGROUND: This study validates cut-points for a frailty index (FI) to identify seniors at risk of a hospital-related event and estimates the number of frail seniors living in the community. The FI developed by Rockwood and Mitnitski defines levels of frailty based on scores of 0 to 1.0. DATA AND METHODS: The cut-point validation was conducted using Stratum-Specific Likelihood Ratios applied to combined 2003 and 2005 Canadian Community Health Survey (CCHS) data, linked to hospital records from the Discharge Abstract Database (2002 to 2007). Based on the validated cut-points, frailty prevalence was estimated using 2009/2010 CCHS data. RESULTS: Seniors scoring more than 0.21 on the FI were considered to be at elevated risk of hospital-related events. Four additional frailty levels were identified: non-frail (0 to ≤0.1), pre-frail (>0.1 to ≤0.21), more frail (>0.30 to ≤0.35) (women only), and most frail (frail-group subset) (0.45 or more). The number of community-dwelling seniors considered to be frail was estimated at about 1 million (24%) in 2009/2010; another 1.4 million (32%) could be considered pre-frail. Frailty prevalence rose with age; was higher among women than among men; and varied by geographic location. INTERPRETATION: A cut-point of more than 0.21 can be used to identify frail seniors living in the community.
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 | 0,001 |
| 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 ».