A Rapid Bedside Screen to Predict Unplanned Hospitalization and Death in Outpatients With Cirrhosis: A Prospective Evaluation of the Clinical Frailty Scale
Notice bibliographique
Résumé
OBJECTIVES: Screening tools to determine which outpatients with cirrhosis are at highest risk for unplanned hospitalization are lacking. Frailty is a novel prognostic factor but conventional screening for frailty is time consuming. We evaluated the ability of a 1 min bedside screen (Clinical Frailty Scale (CFS)) to predict unplanned hospitalization or death in outpatients with cirrhosis and compared the CFS with two conventional frailty measures (Fried Frailty Criteria (FFC) and Short Physical Performance Battery (SPPB)). METHODS: We prospectively enrolled consecutive outpatients from three tertiary care liver clinics. Frailty was defined by CFS >4. The primary outcome was the composite of unplanned hospitalization or death within 6 months of study entry. RESULTS: A total of 300 outpatients were enrolled (mean age 57 years, 35% female, 81% white, 66% hepatitis C or alcohol-related liver disease, mean Model for End-Stage Liver Disease (MELD) score 12, 28% with ascites). Overall, 54 (18%) outpatients were frail and 91 (30%) patients had an unplanned hospitalization or death within 6 months. CFS >4 was independently associated with increased rates of unplanned hospitalization or death (57% frail vs. 24% not frail, adjusted odds ratio 3.6; 95% confidence interval (CI): 1.7-7.5; P=0.0008) and there was a dose response (adjusted odds ratio 1.9 per 1-unit increase in CFS, 95% CI: 1.4-2.6; P<0.0001). Models including MELD, ascites, and CFS >4 had a greater discrimination (c-statistic=0.84) than models using FFC or SPPB. CONCLUSIONS: Frailty is strongly and independently associated with an increased risk of unplanned hospitalization or death in outpatients with cirrhosis. The CFS is a rapid screen that could be easily adopted in liver clinics to identify those at highest risk of adverse events.
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) | 0,001 | 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 ».