Multimorbidity Frameworks Impact Prevalence and Relationships with Patient‐Important Outcomes
Notice bibliographique
Résumé
OBJECTIVES: To explore how different frameworks and categories of chronic conditions impact multimorbidity (defined as two or more chronic conditions) prevalence estimates and associations with patient-important functional outcomes. DESIGN: Baseline data from a population-based cohort study. SETTING: National sample of Canadians. PARTICIPANTS: A total of 51 338 community-living adults, aged 45 to 85 years. MAIN OUTCOME MEASURES: Chronic conditions from three commonly recognized frameworks were categorized as: (1) diseases, (2) risk factors, or (3) symptoms. Estimates of multimorbidity prevalence were compared among frameworks by age and sex. Separate weighted logistic regression models were used to explore the impact of the different frameworks and categories of chronic conditions on odds ratios (ORs) for multimorbidity for four patient-important functional outcomes: disability, social participation restriction, and self-rated physical and mental health. RESULTS: One framework included diseases and risk factors, and two frameworks included diseases, risk factors, and symptoms. The prevalence of multimorbidity differed among the frameworks, ranging from 33.5% to 60.6% having two or more chronic conditions. Including risk factors in frameworks increased prevalence estimates, while including symptoms increased prevalence estimates and associations with most patient-important outcomes. The two frameworks that included symptoms had the largest ORs for associations with disability, social participation restriction, and self-rated physical health but not self-rated mental health. Similar results were found when we compared ORs for patient-important outcome for multimorbidity based on three subframeworks: one including diseases only, one including diseases and risk factors, and one including diseases, risk factors, and symptoms. CONCLUSIONS: Including risk factors appeared to increase only the prevalence of multimorbidity without significantly altering relationships to outcomes. The inclusion of symptoms increased prevalence and associations with patient-important outcomes. These findings underscore the importance of considering not only the number, but also the category, of conditions included in multimorbidity frameworks, as simply counting the number of diagnoses may reduce sensitivity to outcomes that are important to individuals. J Am Geriatr Soc 67:1632-1640, 2019.
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 | 0,001 |
| 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 ».