MétaCan
Menu
Retour à la cohorte
Enregistrement W2808312496 · doi:10.1186/s12877-018-0823-2

What do we know about frailty in the acute care setting? A scoping review

2018· review· en· W2808312496 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBMC Geriatrics · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensSunnybrook Health Science CentreLakehead UniversityNova Scotia Health AuthorityDalhousie University
Organismes subventionnairesGovernment of CanadaCanadian Frailty NetworkDalhousie UniversityQEII FoundationHealth Sciences Centre Foundation
Mots-clésMedicineRehabilitationAcute careGerontologyNursingIntensive care medicinePhysical therapyHealth care

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,589
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,389
Écart entre enseignants0,330 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle