How important is age in defining the prognosis of patients with community-acquired pneumonia?
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Given that the population is increasing in age, a better understanding of the relationship between chronological age and health-related outcomes (especially mortality) is needed, for both chronic diseases (e.g. diabetes) and acute illnesses (e.g. pneumonia). Our purpose was to review the impact of age on the prognosis of patients with community-acquired pneumonia (CAP). RECENT FINDINGS: Many studies in patients with CAP have suggested that chronological age is not necessarily independently associated with mortality. Poorer outcomes in the elderly with CAP have been related to severity of disease, comorbid disease burden, functional status, and frailty, but not to age alone. However, many of these studies suffer from 'over-adjustment' due to the use of unmodified severity scores such as the Pneumonia Severity Index or Acute Physiology and Chronic Health Evaluation II (that already include age) in multivariable analyses. Studies accounting for this over-adjustment suggest that age is, in fact, independently associated with mortality in hospitalized patients with CAP. Other outcomes including hospitalization and readmission rates, hospital length of stay, and cost of care are similarly associated with increasing age. Residual confounding is still a problem in many of the observational studies reviewed. SUMMARY: Contrary to conventional wisdom, chronological age is independently associated with adverse outcomes in patients with CAP. Until better methods (or more clinically-rich datasets) for observational studies are developed that can avoid over-adjustment and better deal with residual confounding, physicians should take into account both a patient's overall health status and his or her chronological age.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».