MétaCan
Menu
Retour à la cohorte
Enregistrement W2982497117 · doi:10.1186/s12916-019-1434-2

Interventions to prevent, delay or reverse frailty in older people: a journey towards clinical guidelines

2019· article· en· W2982497117 sur OpenAlexafffund
Maura Marcucci, Sarah Damanti, Federico Germini, João Apóstolo, Elzbieta Bobrowicz‐Campos, Holly Gwyther, Carol Holland, Donata Kurpas, Maria Magdalena Bujnowska–Fedak, Katarzyna Szwamel, Silvina Santana, Alessandro Nobili, Barbara D’Avanzo, Antonio Cano

Notice bibliographique

RevueBMC Medicine · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesConsumers, Health, Agriculture and Food Executive AgencyEuropean CommissionMcMaster UniversityAmerican Heart Association
Mots-clésPsychological interventionMedicineContext (archaeology)GerontologyHealth careFocus groupNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Age-related frailty is a multidimensional dynamic condition associated with adverse patient outcomes and high costs for health systems. Several interventions have been proposed to tackle frailty. This correspondence article describes the journey through the development of evidence- and consensus-based guidelines on interventions aimed at preventing, delaying or reversing frailty in the context of the FOCUS (Frailty Management Optimisation through EIP-AHA Commitments and Utilisation of Stakeholders Input) project (664367-FOCUS-HP-PJ-2014). The rationale, framework, processes and content of the guidelines are described. MAIN TEXT: The guidelines were framed into four questions - one general and three on specific groups of interventions - all including frailty as the primary outcome of interest. Quantitative and qualitative studies and reviews conducted in the context of the FOCUS project represented the evidence base. We followed the GRADE Evidence-to-Decision frameworks based on assessment of whether the problem is a priority, the magnitude of the desirable and undesirable effects, the certainty of the evidence, stakeholders' values, the balance between desirable and undesirable effects, the resource use, and other factors like acceptability and feasibility. Experts in the FOCUS consortium acted as panellists in the consensus process. Overall, we eventually recommended interventions intended to affect frailty as well as its course and related outcomes. Specifically, we recommended (1) physical activity programmes or nutritional interventions or a combination of both; (2) interventions based on tailored care and/or geriatric evaluation and management; and (3) interventions based on cognitive training (alone or in combination with exercise and nutritional supplementation). The panel did not support interventions based on hormone treatments or problem-solving therapy. However, all our recommendations were weak (provisional) due to the limited available evidence and based on heterogeneous studies of limited quality. Furthermore, they are conditional to the consideration of participant-, organisational- and contextual/cultural-related facilitators or barriers. There is insufficient evidence in favour of or against other types of interventions. CONCLUSIONS: We provided guidelines based on quantitative and qualitative evidence, adopting methodological standards, and integrating relevant stakeholders' inputs and perspectives. We identified the need for further studies of a higher methodological quality to explore interventions with the potential to affect 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,128
score de la tête « metaresearch » (Gemma)0,242
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,128
Score d'incertitude au seuil0,675

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1280,242
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0080,008
Études des sciences et des technologies0,0040,005
Communication savante0,0130,014
Science ouverte0,0070,011
Intégrité de la recherche0,0130,018
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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.

Tête enseignante Opus0,216
Tête enseignante GPT0,480
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations130
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC MedicineMême sujetFrailty in Older AdultsTravaux en français237 207