Identification of older adults with frailty in the Emergency Department using a frailty index: results from a multinational study
Notice bibliographique
Résumé
Objective: frailty is a central concept in geriatric medicine, yet its utility in the Emergency Department (ED) is not well understood nor well utilised. Our objectives were to develop an ED frailty index (FI-ED), using the Rockwood cumulative deficits model and to evaluate its association with adverse outcomes. Method: this was a large multinational prospective cohort study using data from the interRAI Multinational Emergency Department Study. The FI-ED was developed from the Canadian cohort and validated in the multinational cohort. All patients aged ≥75 years presenting to an ED were included. The FI-ED was created using 24 variables included in the interRAI ED-Contact Assessment tool. Results: there were 2,153 participants in the Canadian cohort and 1,750 in the multinational cohort. The distribution of the FI-ED was similar to previous frailty indices. The mean FI-ED was 0.26 (Canadian cohort) and 0.32 (multinational cohort) and the 99th percentile was 0.71 and 0.81, respectively. In the Canadian cohort, a 0.1 unit increase in the FI-ED was significantly associated with admission (odds ratio (OR) = 1.43 [95% CI: 1.34-1.52]); death at 28 days (OR = 1.55 [1.38-1.73]); prolonged hospital stay (OR = 1.37 [1.22-1.54]); discharge to long-term care (OR = 1.30 [1.16-1.47]); and need for Comprehensive geriatric Assessment (OR = 1.51 [1.41-1.60]). The multinational cohort showed similar associations. Conclusion: the FI-ED conformed to characteristics previously reported. A FI, developed and validated from a brief geriatric assessment tool could be used to identify ED patients at higher risk of adverse events.
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 | 0,000 | 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 ».