What do we know about frailty in the acute care setting? A scoping review
Notice bibliographique
Résumé
BACKGROUND: The ability of acute care providers to cope with the influx of frail older patients is increasingly stressed, and changes need to be made to improve care provided to older adults. Our purpose was to conduct a scoping review to map and synthesize the literature addressing frailty in the acute care setting in order to understand how to tackle this challenge. We also aimed to highlight the current gaps in frailty research. METHODS: This scoping review included original research articles with acutely-ill Emergency Medical Services (EMS) or hospitalized older patients who were identified as frail by the authors. We searched Medline, CINAHL, Embase, PsycINFO, Eric, and Cochrane from January 2000 to September 2015. RESULTS: Our database search initially resulted in 8658 articles and 617 were eligible. In 67% of the articles the authors identified their participants as frail but did not report on how they measured frailty. Among the 204 articles that did measure frailty, the most common disciplines were geriatrics (14%), emergency department (14%), and general medicine (11%). In total, 89 measures were used. This included 13 established tools, used in 51% of the articles, and 35 non-frailty tools, used in 24% of the articles. The most commonly used tools were the Clinical Frailty Scale, the Frailty Index, and the Frailty Phenotype (12% each). Most often (44%) researchers used frailty tools to predict adverse health outcomes. In 74% of the cases frailty predicted the outcome examined, typically mortality and length of stay. CONCLUSIONS: Most studies (83%) were conducted in non-geriatric disciplines and two thirds of the articles identified participants as frail without measuring frailty. There was great variability in tools used and more recently published studies were more likely to use established frailty tools. Overall, frailty appears to be a good predictor of adverse health outcomes. For frailty to be implemented in clinical practice frailty tools should help formulate the care plan and improve shared decision making. How this will happen has yet to be determined.
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 | 0,020 | 0,126 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,027 | 0,021 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».