Ayaktan Kliniğe Başvuran 60 Yaş Üstündeki Hastalarda Geriatrik Sendrom Prevalansı
Notice bibliographique
Résumé
Amaç:. Bu çalışmanın amacı toplumdaki yaşlı bireylerde yaşa göre malnutrisyon, demans, düşme, polifarmasi, üriner inkontinans, sarkopeni, kırılganlık gibi geriatrik sendromların sıklığının gösterilmesidir. Metod: Geriatri polikliniğine başvuran 2191 hasta çalışmaya kabul edildi. Hastaların demografik özellikleri, kullandıkları ilaç sayısı, son bir yıl içerisinde düşme olup olmadığı, üriner inkontinansının olup olmadığı retrospektif olarak sorgulandı. Hastalara ayrıntılı geriatrik değerlendirme amacıyla yapılan günlük yaşam aktiviteleri, Mini Nütrisyonel Değerlendirme (MNA), Mini Mental Durum Muayenesi (MMSE), Montreal Kognitif Değerlendirme Ölçeği (MOCA), Kognitif Durum Testi (COST) testleri gözden geçirildi. MNA kısa formunda 7 puan ve aşağısı alan hastalarda malnütrisyon olduğu kabul edildi. Beş ve üzeri ilaç kullanımı olanlarda polifarmasi olduğu belirtildi. Beyin görüntülemesi ve kognitif testleri ile Mental Bozuklukların Tanısal ve Sayımsal El Kitabı IV (DSM-4) kriterlerine göre demans tanısı alan hastalar tarandı. Bunun yanı sıra hastalarda kırılganlık ve sarkopeninin değerlendirilmesi için Fried fiziksel kırılganlık ölçeği, biyoimpedans değerleri, 4 metre yürüme hızı ve el kavrama gücü kullanıldı. Sarkopeni tanısı Avrupa Yaşlılarda Sarkopeni Çalışma Grubu (EWGSOP) kriterleri ile belirlendi. Sonuçlar: Çalışmaya katılan hastalarda geriatrik sendrom sıklıkları sırası ile polifarmasi %55, malnütrisyon %9, depresyon %33, demans %26, üriner inkontinans %46, düşme %33, sarkopeni ve kırılganlık %25 olarak görüldü. Hastalar 60-69, 70-79 ve ≥80 yaş olarak üç gruba ayrıldığında depresyon hariç bütün sendromların yaşla birlikte anlamlı olarak daha sık görüldüğü tespit edildi. Aynı anda hastalarda 3 ve daha fazla sendrom görülme sıklığının özellikle ≥80 yaşta belirginleştiği bulundu. Sonuç: Geriatrik sendromlar yaşlılarda özellikle artan yaşla sıklıkla karşımıza çıkmaktadır. Bu sendromların yalnızca geriatristler tarafınca değil, bütün sağlık basamaklarında tanınması ve önlemlerin alınması gereklidir.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,003 |
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 ».