TABLE- BASED CLINICAL FRAILTY SCALE—AGREEMENT BETWEEN ED PHYSICIANS, PATIENTS AND CAREGIVERS
Notice bibliographique
Résumé
Frailty predicts adverse health outcomes, and the Clinical Frailty Scale (CFS) has been validated internationally to predict adverse outcomes and mortality. Emergency Departments (ED) are challenged to assess frailty due to a lack of training and limited time. We studied the agreement between ED physicians and patient self-assessments using a tablet-based CFS that includes graphics and short descriptors for each of 9 frailty categories. We conducted a prospective observational cohort study of people >65 years seen in the ED of 3 Canadian academic centers. We excluded patients who were critically ill, visually impaired, or unable to communicate in English or French. We compared agreement on the tablet-based CFS between 4 categories of assessors: Patients, ED physicians, trained research assistants and caregivers using the kappa statistic. We enrolled 274/380 eligible patients who provided complete data (72.1%). Their average age was 75.8 years, and 48.9% were female. Their median MOCA score was 23/30 (IQR = 17 – 26) and their median OARS was 26/28 (IQR 22–28). Agreement between physicians and research assistants was good (κ=0.60, 95% CI 0.50 – 0.70), as was physician-caregiver agreement and patient-caregiver agreement (κ=0.66, 95% CI 0.40 – 0.93). Agreement between ED physicians and patients was only moderate (κ =0.47, 95% CI 0.36 – 0.58).ED physicians more often rated patients as frail (40% vs 29%, p<0.001). There was less agreement between ED physicians and patient self-assessments for the CFS compared to physicians-research assistant agreement and care-giver patient assessments. Future research should validate whether patient or physician assessments have higher predictive validity of frailty.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».