Frailty Screening in Low‐ and Middle‐Income Countries: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVES: To conduct a systematic review of frailty screening tools used in low- and middle-income countries (LMICs). DESIGN: Systematic review. SETTING: LMICs, as defined by the World Bank on June 30, 2014. PARTICIPANTS: Elderly adults (as defined by the authors) living in LMICs. MEASUREMENTS: Studies were included if the population under consideration lived in a LMIC, the study involved an assessment of frailty, the study population was elderly adults, and the full text of the study was available in English. The Medline, Embase, CINAHL and PsychINFO databases were searched up to June 30, 2014. RESULTS: Seventy studies with data from 22 LMICs were included in the review. Brazil, Mexico, and China provided data for 60 of the 70 studies (85.7%), and 15 countries contributed data to only one study. Thirty-six studies used the Fried criteria to assess frailty, 20 used a Frailty Index, and eight used the Edmonton Frailty Scale; none of the assessment tools used had been fully validated for use in a LMIC. CONCLUSION: There has been a rapid increase in the number of published studies of frailty in LMICs over the last 5 years. Further validation of the assessment tools used to identify frail elderly people in LMICs is needed if they are to be efficient in identifying those most in need of health care in such settings.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».