Assessing the measurement properties of a Frailty Index across the age spectrum in the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
BACKGROUND: Frailty is a way to appreciate the variable vulnerability to declining health status of people as they age. No consensus for measuring frailty has been established. This study aimed to adapt a Frailty Index (FI) to the Canadian Longitudinal Study on Aging (CLSA) and evaluate its applicability in both younger and older adults. METHODS: An FI was created based on 90 potential health deficits collected from adults aged 45-85 years at recruitment (N=21 241, 49.0% male). The construct validity of this instrument and the factor structure of the health deficits were evaluated. RESULTS: hypotheses for construct validity. FI values were significantly associated with age (r=0.17; p<0.001), falls (r=0.12; p<0.001), injuries (r=0.12; p<0.001), formal home care (r =0.30; p<0.001), informal home care (r=0.32; p<0.001) and use of assistive devices (r=0.40; p<0.001). Values were negatively associated with male sex (r=-0.12; p<0.001), income (r=-0.34; p<0.001) and education (r=-0.17; p<0.001). Key factors among the health indicators were physical functioning, satisfaction with life and depressive symptoms. Results did not change when the sample was stratified by age and sex. CONCLUSION: The FI is a feasible method to evaluate frailty and capture frailty-related heterogeneity in populations aged 45-85 years. In this study, the FI had good construct validity in middle-aged and older adults, showing expected correlations with sociodemographic factors consistently across age groups. This method can be easily reproduced in similar datasets, making the FI a generalisable instrument.
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 | 0,065 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,005 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».