Abstract P011: Predictive Ability of 35 Frailty Scores for Cardiovascular Events in the General Population
Notice bibliographique
Résumé
Introduction: Frailty is a state of vulnerability in elderly people linked to higher mortality risk. Cardiovascular disease (CVD) is highly prevalent in aged populations and associated with frailty. Thus, frailty state could predict higher risk of CVD. Many frailty scores (FS) have been developed, but none of them is considered the gold standard. We aimed to compare predictive and discriminative ability of an extensive list of FS with regard to incidence of CVD in a sample of the general elderly population in England. We assessed the hypothesis that some FS will have better predictive ability than others, depending on their characteristics. Methods: We performed a prospective analysis of the association between 35 FS in participants free of CVD at baseline wave 2 of the English Longitudinal Study of Ageing (2004-2005), and incident CVD assessed until February 2012. The sample consisted of 4,177 participants (43.0 % men). Hazard ratios (HR) and 95% confidence intervals (95% CI) were calculated for each FS using Cox proportional hazards model, adjusted for demographic, lifestyle and comorbidity variables. FS were analyzed on a continuous scale and using original cutoffs. The added predictive ability of FS beyond a basic model consisting of sex and age was studied using Harrel’s C statistic (the higher the better). Results: The median follow-up was 5.8 years, the incidence rate of CVD events was 301.2 /10,000 person-years and CVD represented 28% of the total cause of death. The mean age was 70.5 (SD: ±7.8) years. In fully-adjusted models with demographics, lifestyles and comorbidity, HRs ranged from: 1.0 (0.7; 1.6) to 12.7 (5.5; 29.3). Using cutoffs, HRs ranged from 0.7 (0.2; 1.9) to 1.8 (1.3; 2.5). Adjusted for sex and age, delta Harrel’s C statistic ranged from -0.8 (-3.4; 1.8) to 3.0 (-0.4; 6.4). The best CVD predictive ability was found for the Frailty Index with 70 variables and the Comprehensive Geriatric Assessment screening FS for continuous and cutoff analyses respectively. In conclusion, there is high variability in the association between different published FS and incident CVD. FS have better predictive ability used as continuous variable. Although most of the analyzed FS have good predictive ability with regard to incident CVD, they do not significantly improve on the discriminative capacity of a basic model. Our results will help to guide clinicians, researchers and public health practitioners in choosing the most informative frailty assessment tool.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».