MétaCan
Menu
Retour à la cohorte
Enregistrement W2548090094 · doi:10.1590/1413-812320152111.18222015

Fatores associados à fragilidade de idosos com doença renal crônica em hemodiálise

2016· article· pt· W2548090094 sur OpenAlexaboutno aff
Gabriela Dutra Gesualdo, Marisa Silvana Zazzetta, Karina Gramani Say, Fabiana de Souza Orlandi

Notice bibliographique

RevueCiência & Saúde Coletiva · 2016
Typearticle
Languept
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineGerontologyHemodialysisLogistic regressionKidney diseaseDialysisDemographyInternal medicine

Résumé

récupéré en direct d'OpenAlex

The scope of this article is to identify sociodemographic and clinical factors associated with the frailty of elderly people with chronic kidney disease on hemodialysis. This involved a correlational, cross-sectional study conducted in a dialysis center in the state of São Paulo. The sample consisted of 60 participants. The Participant Characterization Instrument was used for extracting sociodemographic and clinical data and the Edmonton Frail Scale was used to evaluate the level of frailty. Multivariate logistic regression was used to identify the factors associated with frailty. The mean age of the 60 patients included was 71.1 (± 6.9) years, predominantly male (70%), of which 36.7% were classified as frail. With respect to the factors associated with frailty among the variables of gender, age, self-reported skin color, schooling, monthly per capita income, hemodialysis time, number of associated diseases, falls in the year, hematocrit level, parathyroid hormone and use of calcitriol, it was found that only the monthly per capita income was significantly associated with frailty (OR = 0.44; 95% CI 0.1-0.9; p = 0.04). There was an association between frailty and income, showing that the elderly most at risk of frailty were those with lower income.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,272
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCiência & Saúde ColetivaMême sujetFrailty in Older AdultsTravaux en français237 207