Development and validation of the Fracture Risk Scale (FRS) that predicts fracture over a 1-year time period in institutionalised frail older people living in Canada: an electronic record-linked longitudinal cohort study
Notice bibliographique
Résumé
OBJECTIVES: To develop and validate our Fracture Risk Scale (FRS) over a 1-year time period, using the long-term care (LTC) Resident Assessment Instrument Minimum Data Set Version 2.0 (RAI-MDS 2.0). DESIGN: A retrospective cohort study. SETTING: LTC homes in Ontario, Canada. PARTICIPANTS: Older adults who were admitted to LTC and received a RAI-MDS 2.0 admission assessment between 2006 and 2010. RESULTS: A total of 29 848 LTC residents were enrolled in the study. Of these 22 386 were included in the derivation dataset and 7462 individual were included in the validation dataset. Approximately 2/3 of the entire sample were women and 45% were 85 years of age or older. A total of 1553 (5.2%) fractures were reported over the 1-year time period. Of these, 959 (61.8%) were hip fractures. Following a hip fracture, 6.3% of individuals died in the emergency department or as an inpatient admission and did not return to their LTC home. Using decision tree analysis, our final outcome scale had eight risk levels of differentiation. The percentage of individuals with a hip fracture ranged from 0.6% (lowest risk level) to 12.6% (highest risk level). The area under the curve of the outcome scale was similar for the derivation (0.67) and validation (0.69) samples, and the scale exhibited a good level of consistency. CONCLUSIONS: Our FRS predicts hip fracture over a 1-year time period and should be used as an aid to support clinical decisions in the care planning of LTC residents. Future research should focus on the transformation of our scale to a Clinical Assessment Protocol and to assess the FRS in other healthcare settings.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».