MULTIMORBIDITY PATTERNS PROVIDE ADDED PROGNOSTIC INFORMATION BEYOND FRAILTY STATUS IN OLDER ADULTS
Notice bibliographique
Résumé
Assessing frailty is useful in measuring heterogeneity of health status and predicting prognosis in older adults. However, individuals in a given frailty state have diverse multimorbidity patterns, some of which may portend poorer prognosis. This retrospective cohort study aimed to evaluate the impact of frailty and multimorbidity patterns on mortality in 7197 community-dwelling older adults in the National Health and Aging Trends Study 2011–2015. Individuals were assessed for the Fried frailty phenotype and 10 chronic conditions in 2011. Latent class analysis uncovered 5 multimorbidity patterns: minimal disease (n=1780), cardiovascular disease (CVD) (n=2087), non-CVD (n=1968), neuropsychiatric disease (n=641), and very sick (n=721). Robust individuals had minimal disease (41.4%), CVD (27.6%), or non-CVD (26.0%), whereas frail individuals had CVD (24.7%), non-CVD (21.9%), neuropsychiatric disease (22.7%), or very sick patterns (23.6%). During the 4-year period, the mortality risk was 6.6% for the robust (n=147/2213), 15.4% for the pre-frail (n=561/3647), and 37.7% for the frail (n=504/1337). Within each frailty state, the mortality varied substantially across the multimorbidity patterns, with minimal disease being the lowest and neuropsychiatric disease being the highest: 5.0–19.2% for the robust, 12.5–25.3% for the pre-frail, and 27.7–55.6% for the frail. Notably, compared with minimal disease, CVD was significantly associated with increased mortality only in robust and pre-frail individuals, not in frail individuals. Neuropsychiatric disease and very sick patterns were significantly associated with increased mortality only in pre-frail and frail individuals. These findings underscore the importance of considering clinically meaningful multimorbidity patterns in addition to frailty for better prognostication in older adults.
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 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 ».