In-home physical frailty monitoring: relevance with respect to clinical tests
Notice bibliographique
Résumé
BACKGROUND: Frailty detection and remote monitoring are of major importance for slowing down, and/or even stopping the frailty process in home-dwelling older people. Taking the Fried's criteria as a reference, this work aims to compare the results produced by a technological set (ARPEGE Pack) with those obtained by usual clinical tests, as well as to discuss the ability of the Pack to be used for long-run frailty remote monitoring. METHODS: 194 participants were given a number of geriatric tests and asked to make use of the ARPEGE technological tools as well as reference clinical tools to feed Fried's indicators. Spearman or Pearson's correlation coefficients were used to compare the ARPEGE results to the reference ones, depending on data statistical characteristics. RESULTS: Good correlations were obtained for measurements of weight (0.99), grip strength (0.89) and walking speed (0.79). Results are much less satisfactory for evaluation of physical activity and exhaustion (Spearman correlation coefficients 0.25 and 0.41, respectively). CONCLUSION: Correlations regarding weight, grip strength and walking speed confirm the validity of the data produced by the ARPEGE Pack to feed Fried's criteria. Assessing activity level and exhaustion from an abbreviated questionnaire is still questionable. However, for long-run monitoring other methods of evaluation can be explored. Beyond the quantitative results, the ARPEGE Pack has been proved to be acceptable and motivating in such a long-term frailty monitoring.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».