Natural Regression of Frailty Among Community-Dwelling Older Adults: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Frailty is a dynamic process with potential transitions over time. However, there is limited understanding of the patterns of frailty improvement. We conducted a systematic review and meta-analysis to estimate the natural rate of frailty regression among community-dwelling older adults aged at least 60 years. RESEARCH DESIGN AND METHODS: Systematic searches for studies reporting frailty improvement were performed in 5 databases (Medline, Embase, CINAHL plus, Web of Science, and PsycINFO) from inception until January 2019. RESULTS: Twenty-five studies from 26 countries were included. Among a baseline population of more than 50,000 individuals, the pooled prevalence of pre-frailty and frailty was 50.5% (95% confidence interval [CI] 47.8-53.3) and 12.8% (95% CI 9.1-17.0), respectively. During a median follow-up of 3.0 (range 1-10.0) years, 23.3% of surviving pre-frail individuals regressed to a robust state and 35.2% of surviving frail individuals reversed to a pre-frail or robust state. The pooled remission rates among people with pre-frailty and frailty were 80.4 (95% CI 61.7-104.6) and 135.3 (95% CI 98.1-186.5) per 1,000 person-years, respectively. Frailty and pre-frailty improvement rates varied by sex, diagnostic criteria, study region, and follow-up duration. The remission rates were significantly reduced when accounting for progressions to death. The heterogeneity of included studies was high which reflected considerable differences in methodological approach. DISCUSSION AND IMPLICATIONS: Although frailty is highly prevalent in older people, natural remission is possible and common. Improved understanding of the factors that confer increased likelihood of frailty regression may support the design of interventions to reduce the burden of frailty.
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 | 0,020 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,037 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».