HAS FRAILTY SCORE AND FRAILTY LETHALITY CHANGED OVER TIME? HARMONIZATION OF NHANES COHORTS FROM 1999 TO 2016
Notice bibliographique
Résumé
Abstract Positive advances in life expectancy, healthcare access and medical technology have been accompanied by an increased prevalence of chronic diseases and substantial population ageing. How this impacts changes in both frailty level and subsequent mortality in recent decades are not well understood. We aimed to investigate how these factors changed over an 18-year period. Nine waves of the National Health and Nutrition Examination Survey (1999-2016) were harmonized to create a 46-item frailty index (FI) using self-reported and laboratory-based health deficits. Individuals aged 20+ were included in analyses (n=44086). Mortality was ascertained in December 2015. Weighted multilevel models estimated the effect of cohort on FI score in 10-year age-stratified groups. Cox proportional hazard models estimated if two or four-year mortality risk of frailty changed across the 1999-2012 cohorts. Mean FI score was 0.11±0.10. In the five older age groups (>40 years), later cohorts had higher frailty levels than did earlier cohorts. For example, in people aged 80+, each subsequent cohort had an estimated 0.007 (95%CI: 0.005, 0.009) higher FI score. However, in those aged 20-29, later cohorts had lower frailty [β=-0.0009 (-0.0013, -0.0005)]. Hazard ratios and cohort-frailty interactions indicated that there was no change in two or four-year lethality of FI score over time (i.e. two-year mortality: HR of 1.069 (1.055, 1.084) in 1999-2000 vs 1.061 (1.044, 1.077) in 2011-2012). Higher frailty levels in the most recent years in middle and older aged adults combined with unchanged frailty lethality suggests that the degree of frailty may continue to increase.
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 | 0,010 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».