THE ELECTRONIC FRAILTY INDEX BASED ON THE COMPREHENSIVE GERIATRIC ASSESSMENT: DEVELOPMENT AND TESTING
Notice bibliographique
Résumé
Abstract Frailty is characterized by loss of biological reserves across multiple systems and associated with increased risks of adverse outcomes. A Frailty Index (FI) constructed using items from the Comprehensive Geriatric Assessment (CGA) has been validated in geriatric medicine settings to estimate the level of frailty. Traditionally, the CGA used a paper form and the CGA-based FI calculation was a manual process. Here, we reported building of an electronic version of the assessment on personal computers (PC), i.e., standalone eFI-CGA, to benefit frailty assessment at points of care. The eFI-CGA was implemented as a software tool on the WinForms platform. It automated the FI calculation by counting deficits accumulation across multiple domains assessing medical conditions, cognition, balance, and dependency of activities of daily living. Debugging, testing, and optimization were performed to enhance the software performance with respect to automation accuracy (processing algorithm), friendly user interface (user manual and feedback), and data quality control (missing data and value constraints). Systematically-designed simulation dataset and anonymous real-world cases were both applied. The optimized assessment tool resulted in fast and convenient conductance of the CGA, and a 100% accuracy rate of the eFI-CGA automation for up to four decimals. The stand-alone eFI-CGA implementation has provided a PC-based software tool for use by geriatricians and primary and acute care providers, benefiting early detection and management of frailty at points of care for older adults.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».