Frailty and mortality among older patients in a tertiary hospital in Nigeria
Notice bibliographique
Résumé
BACKGROUND: This study determined the frailty status and its association with mortality among older patients. DESIGN: A prospective cohort design. SETTING: Study was conducted at the medical wards of University College Hospital, Ibadan, Nigeria. PARTICIPANTS AND STUDY TOOLS: Four hundred and fifty older patients (>60 years) were followed up from the day of admission to death or discharge. Information obtained includes socio-demographic characteristics and clinical frailty was assessed using the Canadian Study of Health and Aging (CSHA) scale. Bivariate and multivariate analyses were carried out using SPSS version 21 at a p <0.05. RESULTS: Overall, frailty was identified in 285 (63.3%) respondents. Mortality was significantly higher among frail respondents (25.3%) than non-frail respondents (15.4%) p=0.028. Logistic regression analysis showed factors associated with frailty were: male sex (OR=1.946 [1.005-3.774], p=0.048), non-engagement in occupational activities (OR=2.642 [1.394-5.008], p=0.003), multiple morbidities (OR=4.411 [1.944-10.006], p<0.0001), functional disability (OR=2.114 [1.029-4.343), p=0.042], malnutrition (OR=9.258 [1.029-83.301], p=0.047) and being underweight (OR=7.462 [1.499-37.037], p=0.014). CONCLUSION: The prevalence of frailty among medical in-hospital older patients is very high and calls for its prompt identification and management to improve their survival. FUNDING: The study was self-funded by the authors.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».