Association between Frailty Syndrome and Anemia in Community-Dwelling Elderly
Notice bibliographique
Résumé
Frailty is an important and complex phenomenon in the fields of geriatrics and gerontology and a highly relevant topic. Frailty syndrome (FS) is a multidimensional clinical condition characterized by loss of physiological and cognitive reserves across multiple organ systems. The Fried frailty phenotype is the main model used to categorize FS. Recent studies have shown an association between anemia, low hemoglobin concentration and frailty. This study aimed to assess the association between FS and anemia in community-dwelling elderly. An observational cross-sectional design was used, with 308 elderly subjects. Most participants were women (78.2%) between 60 and 69 years old (50.6%). The average schooling level was 9.7 years. Anemia was detected in 9.7% of participants. The frequency of frailty, pre-frailty and non-frailty was 8.2, 74.0 and 17.8%, respectively. The multivariate ordinal logistic regression model identified low levels of brain-derived neurotrophic factor (BDNF) (OR = 0.9, 95% CI = 0.9; 0.9) as risk factor associated with FS. No significant association was found between frailty and anemia. Moreover, FS may be influenced by low schooling levels, despite the non-significant result obtained in the statistical model. These findings contribute to elucidating other factors associated with FS, especially in community-dwelling elderly.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,002 |
| 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 ».