146Prevalence And Determinants Of Frailty And Associated Co-Morbidities Among Older People In Nepal
Notice bibliographique
Résumé
Population ageing is increasing in low income countries. Despite this, there is distinct lack of knowledge about prevalence of co-morbidities and determinants of frailty among older people in these countries. We used data from “Health and Social Care Needs Assessment Survey of the Gurkha Welfare Pensioners” conducted in 2014. Participants were age ≥60 years from Gorakha, Lamjung and Tanahu districts of Nepal. Face to face interviews were conducted using validate questionnaires. Demographic, socio-economic, self-reported illnesses, and symptoms were collected. Frailty was assessed using Canadian Study of Health and Ageing (CSHA) scale. Univariable and multivariable regression models were constructed to identify the determinants of frailty defined as CSHA scale ≥4. A total of 253 participants (32.0% men) were included in this study. Majority (82.2%) of the participants were from Janajati ethnic background. Men who are Ex-serviceman had higher educational attainment than women, majority of whom (95.3%) are widows of ex-serviceman who no longer alive (p < 0.01). 48.5% of women lived with their sons whereas 43% of the male participants live with their wives. Women reported higher prevalence of mental health issues such as anxiety and insomnia compared with men. The prevalence of frailty was 46.2% (46.3% in men and 46.1% in women). In this population frailty was significantly associated with older age, smoking , living with son, breathing problems, unspecified pain and fatigue, poor dental health, history of falls and fracture (p < 0.001 for all) after controlling for potential confounders. Our study highlights the growing nature of co-morbidity burden and frailty and its determinants in low income setting. Concerted efforts should be made with regard to how best to tackle this in global scale.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».