DEFINING OPPORTUNITIES FOR NATIONAL SURVEY DATA TO IDENTIFY RISKS FOR FRAILTY AND MALNUTRITION
Notice bibliographique
Résumé
The rapidly growing older adult population will continue to place significant demands on the US healthcare system. Screening for health conditions to treat early, maintain functionality, and support healthy aging is critical. Frailty is now one of the top 10 geriatric concerns and is clinically tied to increased risk of negative health outcomes; falls, hospitalization, disability, and death. Malnutrition has been associated with adverse health outcomes and conditions, including frailty. However, these conditions are not singled out for attention in national health objectives and there are currently no identified key health indicators for tracking these conditions in older adults that could be included in national health surveys. For this study, validated screening tools for frailty and malnutrition were identified to determine common risk measures; those found included functional measurements of gait speed and handgrip strength and self-reported health questions on exhaustion, activity level, unintentional weight loss, and appetite loss. Current national health surveys that included older adults were reviewed to determine inclusion of these measures. Analysis of 8 large national health surveys (NHANES, NHATS, NHIS, MCBS, NSOAAP, Medicare HOS, CPS-FSS, NHAMCS) revealed that while most surveys included at least one measure (i.e., unintentional weight loss), none contained all necessary screening data to properly monitor the prevalence of malnutrition and frailty risk in older adults. Having national data sets available on factors impacting functionality will help set national goals to support older adult independence, reduce related mortality and healthcare costs.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».