Identifying frailty in primary care: a qualitative description of family physicians’ gestalt impressions of their older adult patients
Notice bibliographique
Résumé
BACKGROUND: Many tools exist to guide family physicians' impressions about frailty status of older adults, but no single tool, instrument, or set of criteria has emerged as most useful. The role of physicians' subjective impressions in frailty decisions has not been studied. This study explores how family physicians conceptualize frailty, and the factors that they consider when making subjective decisions about patients' frailty statuses. METHODS: Descriptive qualitative study of family physicians who practice in a large urban academic family medicine center as they participated in one-on-one "think-aloud" interviews about the frailty status of their patients aged 80 years and over. Of 23 eligible family physicians, 18 shared their impressions about the frailty status of their older adult patients and the factors influencing their decisions. Interviews were audio-recorded, transcribed, and thematically analyzed. RESULTS: Four themes were identified, the first of which described how physicians conceptualized frailty as a spectrum and dynamic in nature, but also struggled to conceptualize it without a formal definition in place. The remaining three themes described factors considered before determining patients' frailty statuses: physical characteristics (age, weight, medical conditions), functional characteristics (physical, cognitive, social) and living conditions (level of independence, availability of supports, physical environment). CONCLUSIONS: Family physicians viewed frailty as multifactorial, dynamic, and inclusive of functional and environmental factors. This conceptualization can be useful to make comprehensive and flexible evaluations of frailty status in conjunction with more objective frailty tools.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».