FRAILTY AND USE OF HEALTH SERVICES IN INJURED SENIORS: A POPULATION-BASED STUDY
Notice bibliographique
Résumé
Currently, most information on frailty in seniors comes from cohort or trials studies. Methodologies to identify frail seniors within secondary care data, both at patient and population level, are current surveillance priorities. Objectives: to measure frailty using health administrative databases and examine the association between frailty and medical services use among non-institutionalized seniors with a minor fracture. Methods: Population-based cohort built from the Quebec Integrated Chronic Disease Surveillance System, including seniors ≥ 65 years, non-institutionalized in the pre-fracture year. Frailty was measured using the ERA index. Multivariate Poisson analysis were used to examine the association between frailty level and use of emergency department (ED) and general practitioner (GP) services 1 year post-fracture, adjusting for confounders. Results: The cohort included 179,734 individuals (mean age 76.3 years, 74 % women). There were 13 % and 4.7%, frail and non-frail seniors, respectively. Our Poisson regression analyses show that, in the post-fracture year, ED and GP visits were significantly higher in frail VS non-frail seniors: adjusted relative risk (RR)= 2.95: 95% CI: 2.83–3.08 for ED visits and RR=1.24: 95% CI: 1.21–1.28 for GP visits. Conclusion: This study suggests that it is possible to characterize seniors’ frailty at a population level using health administrative databases. Furthermore, this study shows that non-institutionalized frail seniors require more health services after an incident minor fracture. Screening for frailty in seniors should be part of clinical management in order to identify those at high risk of needing more health services.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».