Prevalence of the frailty among Saudi patients referred for myocardial perfusion imaging: A cross sectional study
Notice bibliographique
Résumé
Clinical Research. Oral Presentation. Frailty is a state of vulnerability and decreased physiological response to stressors. Saudi vision 2030 stated a goal to increase Saudi life expectancy by 5 years. As the population ages, the prevalence of frailty is expected to increase. Thus, identifying tools and resources that efficiently reduces frailty among elderly patients is important. We aim to describe the prevalence and predictors of frailty among Saudi patients referred for stress testing with nuclear imaging. We included 876 patients (mean age 60.28 ± 11, females 48.29%) who underwent clinically indicated nuclear myocardial perfusion imaging using PET between January and October 2016. The Canadian Study of Health and Ageing Clinical Frailty Scale was used to assess frailty. Patients were considered frail if they had a score of four or higher. Multivariate adjusted logistic regression model was used to determine the independent predictors of elderly frail patients. In this cohort, the median age of the included patients was 61 years and the prevalence of the frailty was 40%. The frail patients were older, more frequently females and had a higher body mass index. Additionally, frailty was associated with higher prevalence of cardiovascular risk factors: hypertension, diabetes and dyslipidaemia (85%, 75%, and 46%, respectively). In fully adjusted logistic regression model, female gender, high body mass index (⩾30 kg/m2), hypertension and reduced coronary flow reserve were independent predictors of elderly frail patients. With the aging of the Saudi population, frailty prevalence is expected to increase. Elderly obese hypertensive females have the highest risk of developing frailty. Interventions to reduce frailty should be focused on this high-risk population.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».