Index or illusion: The case of frailty indices in the Health and Retirement Study
Notice bibliographique
Résumé
INTRODUCTION: Frailty is a geriatric syndrome that has been defined differently with various indices. Without a uniform definition, it remains unclear how to interpret and compare different frailty indices (FIs). With the advances in index mining, we find it necessary to review the implicit assumptions about the creation of FIs. We are concerned the processing of frailty data may introduce measurement error and bias. We aim to review the assumptions, interpretability and predictive power of FIs regarding mortality. METHODS: Three FIs, the Functional Domains Model proposed by Strawbridge et al. (1998), the Burden Model by Rockwood et al. (2007) and the Biologic Syndrome Model by Fried et al. (2004), were directly compared using the data from the Health and Retirement Study (HRS), a longitudinal study since 1996 mainly following up Americans aged 50 years and over. The FIs were reproduced according to Cigolle et al. (2009) and interpreted with their input variables through forward-stepwise regression. Biases were the residuals of the FIs that could not be explained by own input variables. Any four of the input variables were used to create alternative indices. Discrete-time survival analysis was conducted to compare the predictive power of FIs, input variables and alternative indices on mortality. RESULTS: We found frailty a syndrome not unique to the elderly. The FIs were produced with different degrees of bias. The FIs could not be fully interpreted with the theory-based input variables. The bias induced by the Biological Syndrome Model better predicted mortality than frailty status. A complicated FI, the Burden Model, could be simplified. The input variables better predicted mortality than the FIs. The continuous FIs predicted mortality better than the frailty statuses. At least 6865 alternative indices better predicted mortality than the FIs. CONCLUSION: FIs have been used as outcome in clinical trials and need to be reviewed for adequacy based on our findings. The three FIs are not closely linked to the theories because of bias introduced by data manipulation and excessive numbers of input variables. We are developing new algorithms to develop and validate innovative indices.
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 | 0,035 | 0,105 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».