The impact of frailty and cognitive impairment on quality of life: employment and social context matter
Notice bibliographique
Résumé
ABSTRACTBackground:How cognitive impairment and frailty combine to impact on older adults' Quality of Life (QoL) is little studied, but their inter-relationships are important given how often they co-occur. We sought to examine how frailty and cognitive impairment, as well as changes in frailty and cognition, are associated with QoL and how these relationships differ based on employment status and social circumstances. METHODS: Using the Survey of Health, Ageing, and Retirement in Europe data, we employed moderated regression, followed by simple slopes analysis, to examine how the relationships between levels of health (i.e., of frailty and cognition) and QoL varied as a function of sex, age, education, social vulnerability, and employment status. We used the same analysis to test whether the relationships between changes in health (over two years) and QoL varied based on these same moderators. RESULTS: Worse frailty (b = -1.61, p < .001) and cognitive impairment (b = -0.08, p < .05) were each associated with lower QoL. Increase in frailty (b = -2.17, p < .001) and cognitive impairment (b = -0.25, p < .001) were associated with lower QoL. The strength of these relationships varied depending on interactions with age, sex, education, social vulnerability, and employment status. Higher social vulnerability was consistently associated with lower QoL in analyses examining both static health (b = -3.16, p < .001) and change in health (b = -0.66, p < .001). CONCLUSIONS: Many predictors of QoL are modifiable, providing potential targets to improve older adults' QoL. Even so, the relationships between health, cognition, and social circumstances that shape QoL in older adults are complex, highlighting the importance for individualized interventions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».