Prevalence and determinants of frailty and associated comorbidities among older Gurkha welfare pensioners in Nepal
Notice bibliographique
Résumé
AIM: Population aging is increasing in low-income countries. Despite this, there is distinct lack of knowledge about the prevalence of comorbidities and determinants of frailty among older people in these countries. METHODS: We examined data from "Health and Social Care Needs Assessment Survey of the Gurkha Welfare Pensioners" carried out in 2014. Participants were aged ≥60 years from the Gorakha, Lamjung and Tanahu districts of Nepal. Face-to-face interviews were carried out using validated questionnaires. Demographic data, socioeconomic status, and self-reported symptoms and illnesses were collected. Frailty was assessed using the Canadian Study of Health and Aging scale. Univariable and multivariable regression models were constructed to identify the determinants of frailty defined as Canadian Study of Health and Aging scale ≥4. RESULTS: A total of 253 participants (32.0% men) were included in the present study. Most (82.2%) participants were from the Janajati ethnic background. Men who were ex-servicemen had higher educational attainment than women, most of whom (95.3%) were widows of ex-servicemen (P < 0.01). A total of 48.5% of women lived with their sons, whereas 43% of the male participants lived with their wives. Women reported a higher prevalence of mental health issues, such as anxiety and insomnia, compared with men. The prevalence of frailty was 46.2% (46.3% in men and 46.1% in women). In this population, frailty was significantly associated with older age, smoking, living with son, breathing problems, unspecified pain and fatigue, poor dental health, and history of falls and fracture (P < 0.001 for all) after controlling for potential confounders. CONCLUSIONS: The present study highlights the growing nature of the comorbidity burden, and frailty and its determinants in a low-income setting. Concerted efforts should be made with regard to how best to tackle this globally. Geriatr Gerontol Int 2017; 17: 2493-2499.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».