Development and Validation of a Tool to Screen for Cognitive Frailty Among Community-Dwelling Elders
Notice bibliographique
Résumé
OBJECTIVES: Reciprocal age-related impairments in physical and cognitive functioning have been termed 'cognitive frailty', which is associated with adverse health outcomes and is a potential target for preventing or delaying the onset of disability in older people. However, cognitive frailty as currently defined is challenging to diagnose. To facilitate earlier diagnosis and intervention, we conducted this study to develop and validate a simple evidence-based instrument to identify community-dwelling elders at risk of cognitive frailty. DESIGN: Retrospective analyses of data from the I-Lan Longitudinal Aging Study (ILAS) to develop a prediction model, and from the Longitudinal Aging Study of Taipei (LAST) for external validation. SETTING: Community-dwelling adults from Taipei City, New Taipei City and Yilan (I-Lan) County, Taiwan. PARTICIPANTS: 1271 community residents ≥65 years old, without impaired global cognition or dependency for activities of daily living/instrumental activities of daily living. MEASUREMENTS: Demographic characteristics, anthropometric measurements, medical history, Mini-Mental State Examination, Montreal Cognitive Assessment, Functional Autonomy Measuring System, Functional Assessment Staging Test, Center for Epidemiologic Studies Depression Scale, handgrip strength, 6-metre walk speed. METHODS: Baseline characteristics of groups with/without cognitive frailty were analyzed and factors differing significantly in univariate analysis input to binary logistic regression to develop a cognitive frailty risk (CFR) score. RESULTS: The prevalence of cognitive frailty was 15.8% overall; ILAS 21.4%, LAST 8.4%. Predictors of CFR comprised: age ≥75 years; female sex; waist circumference ≥90 cm (male), ≥80 cm (female); calf circumference <33 cm (male), <32 cm (female); memory deficits; and diabetes mellitus. CFR ≥5/14 had sensitivity of 70%, specificity of 60%, and predictive accuracy of 72%. CONCLUSIONS: A CFR score based on simple history-taking and anthropometric measurements integrates age, sex, cardiometabolic risk, memory deficits, sarcopenia, and nutrition, with validated predictive accuracy, and could be performed easily in community settings to identify seniors with cognitive frailty for appropriate interventions.
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 | 0,011 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».