EVIDENCE FOR THE LATENT FACTOR STRUCTURE OF FRAILTY
Notice bibliographique
Résumé
Despite increasing demand to support ‘aging in community’ for frail seniors, there is no gold standard frailty measure to guide frailty assessments by health professionals. Current frailty measures are not sensitive enough to support effective screening and thus negatively impact health professional decision-making during their care of seniors living in the community. The aim of this study is to investigate the latent structure of frailty to inform refinement of existing frailty measures for seniors living in the community to develop a robust measurement tool. Using data from Canadians ≥ 65 who were participants in the national Canadian Longitudinal Study on Aging (CLSA) (2012–2015), we assessed factors for the latent structure of three frailty scales (Rockwood’s Frailty Index, Fried’s Frailty Criteria and the Edmonton Frailty Scale). Using structural equation modelling we explored the relationship between frailty and factors across physical, psychological, social, and clinical domains. Structural equation models were developed to identify factors for the latent structure of frailty. Our models (n=30,111) highlight several key factors common among the three frailty scales including: age, sex, dementia, Activities of Daily Living (ADL), Instrumental ADL’s (IADL), and cognition. Robust frailty assessments are key to effective health professional decision-making in support of ‘aging in community’ initiatives.
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 | 0,041 | 0,123 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».